基于改进的卷积神经网络的人群密度估计

来源：计算机技术与发展杂志2019年第02期北京时间：

作者：贾翻连;张丽红

摘要：人群密度估计是视频监控的一个研究热点，为了得到更为准确的估计率，将卷积神经网络应用到人群密度估计中。卷积神经网络在特征提取时能够高效自适应学习深层次的特征，体现了其在深度学习领域的优越性，但在预处理时会出现振荡现象，且卷积层与子采样层间特征图的大小匹配会影响计算速度和时间。对此，提出离散小波变换替换卷积神经网络中的子采样层，并对网络中的权重矩阵进行重新计算，通过权重自适应改善预处理时的振荡现象，提高卷积网络中特征图大小的匹配度，并将之应用到人群密度估计，以有效地提高数据间的相关性，增强网络的学习能力，提高人群密度等级分类的准确率。实验结果表明，改进后的网络具有较好的学习及分类效果和鲁棒性，对人群密度能够进行较为准确和快速的估计。

关键词：人群密度;深度学习;小波变换;神经网络;权重自适应;特征提取