摘要: 针对人群分析任务中往往存在的因监控与人群距离不同而导致的尺度变化大的问题,提出一种可靠性多尺度融合人群计数框架。首先,该框架在使用传统骨架提取公共特征后,通过多尺度信息提取模块获得图片中不同尺度的行人信息;其次,每个尺度的网络各自包含一个人群密度估计模块和一个用于评估每个尺度预测结果可信度的不确定估计模块;然后,多尺度预测融合模块依据可信度对多尺度预测结果进行动态融合以获得更准确的密度回归结果。实验结果表明,现有方法在通过多尺度可信融合扩展后,人群计数的误差显著降低,验证了融合策略的合理性和有效性。除此之外,与现有方法不同,该框架不仅可以预测人群密度,还可以在部署阶段提供预测的可信程度,从而使得算法在实际应用中能及时预警出模型预测不准确的区域,降低后续分析任务出现错误预判的风险。
中图分类号: