• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议> >Crowd density estimation based on conditional random field and convolutional neural networks
【24h】

Crowd density estimation based on conditional random field and convolutional neural networks

机译：基于条件随机场和卷积神经网络的人群密度估计

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Crowd density estimation has an important value in the management of public safety. This paper presents an algorithm of combining conditional random field (CRF) model and convolution neural networks (CNN) to estimate crowd density. Firstly, the CRF model with higher-order potentials is used to extract foreground information and get a binary graph. Then using the original image to recover the information of binary graph. Finally, the multi-stage CNN was designed to obtain quality feature of foreground for crowd density estimation. In the experiment, we validate the effectiveness of the proposed algorithm on Chun-xi road and Nanjing train station data sets. Experimental results indicated that the proposed method has a good performance for crowd density estimation in different scene.
机译：人群密度估计在公共安全管理中具有重要价值。本文提出了一种结合条件随机场（CRF）模型和卷积神经网络（CNN）来估计人群密度的算法。首先，使用具有高阶电势的CRF模型提取前景信息并获得二元图。然后使用原始图像恢复二元图的信息。最后，设计了多阶段的CNN以获得人群密度估计的前景质量特征。在实验中，我们验证了该算法在春熙路和南京火车站数据集上的有效性。实验结果表明，该方法在不同场景下的人群密度估计具有良好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号