论文阅读context-aware crowd counting

摘要

经典做法是在整张图上采用同样的滤波器，通过估计局部比例来补偿透视失真。

2、相关工作

早期的人群计数工作主要采取检测方法，即检测出每个头或人体，然后计数。但是，对于拥挤的场景来说，遮挡会使检测变得很困难，因此，大部分情况下，检测方法就被密度估计图替代，即：训练一个回归器，对图片中的不同部分估计密度图，然后综合各个密度图得到原始图片的人数，这种方法法主要利用高斯函数或随机森林方法。尽管这些方法主要依赖于低级特征，但其效果挺好。现在，大家主要基于CNN方法来回归密度图。

我们要测量的人群密度是地面上单位面积内人的数量。

3、1：尺度感知上下文特征

论文把人群计数问题转化为人群密度回归问题。给定一个含有N张训练图片的数据集,对应的ground-truth密度图为

论文目标是学习一个具有参数的非线性映射F，将输入图片映射为一个估计的密度图

使得估计值与真实值在范数下距离足够近。

与传统做法相同，前面10层为预训练的VGG-16网络，给定一张图片I，输出为

                             （1）

论文把f_v当做基础特征。

但是，具有一定的局限性，因为其在整张图片上具有相同的感受野。为了客服这个缺陷，论文用特征金字塔来计算尺度特征，在的基础上，提取多尺度的上下文信息。计算公式为

其中，对每个尺度j, 将VGG特征平均为k(j)*k(j)块。F_j是一个卷即核尺寸=1的卷积网络，它将不同通道的特征，在不改变维度的情况下啊，连接在一起。论文这样做的原因是SPP保证了每个特征通道的独立性，因此限制了代表权。论文作者证明了若不做