Точний підрахунок натовпу для інтелектуальних систем відеоспостереження

Анотація

У статті представлено новий підхід на основі глибокого навчання для підрахунку натовпу в інтелектуальних системах
відеоспостереження, що вирішує зростаючу потребу в точному моніторингу громадських місць у міських середовищах.
Попит на точну оцінку кількості людей виникає через проблеми, пов’язані з безпекою, громадським порядком і
ефективністю в міських зонах, особливо під час великих публічних заходів. Існуючі методи підрахунку натовпу, включаючи
виявлення об’єктів на основі ознак і методи регресії, мають обмеження в умовах високої щільності через перекриття
об’єктів, варіації освітлення та різноманітність людських фігур. Щоб подолати ці виклики, автори пропонують нову
архітектуру енкодера-декодера на основі VGG16, яка включає ієрархічне вилучення ознак із використанням просторової та
канальної уваги. Ця архітектура покращує здатність моделі керувати варіаціями щільності натовпу, використовуючи
адаптивне підсумовування та дилатовані згортки для вилучення значущих ознак із щільних натовпів. Декодер моделі
додатково вдосконалюється для обробки розріджених і густих сцен через окремі карти щільності, що підвищує її
адаптивність і точність. Оцінка запропонованої моделі на еталонних наборах даних, включаючи Shanghai Tech і UCF CC 50,
демонструє кращі результати порівняно з сучасними методами, з помітними покращеннями за метриками середньої
абсолютної помилки та середньоквадратичної помилки. У статті підкреслюється важливість врахування змін у середовищі
та різниці в масштабах у густонаселених середовищах, і показано, що запропонована модель ефективна як в умовах
розрідженого, так і щільного натовпу. Це дослідження сприяє розвитку інтелектуальних систем відеоспостереження,
пропонуючи більш точний і ефективний метод підрахунку натовпу з можливими застосуваннями у сфері громадської
безпеки, управління транспортом і міського планування.