基于改进P2PNet的铁路车站人群数量估计算法
摘要：
本文针对铁路车站等场景下人群数量估计问题,提出一种基于改进P2PNet的铁路车站人群数量估计算法.该算法对传统的P2PNet算法进行较大的改动和优化.首先,算法模型采用BiFPN的路径聚合来增强网络对不同尺度特征图的融合能力,解决图像中人员大小尺度相差较大的情况;其次,网络在低层特征图引入A-SPP结构以提高网络的感受野范围,增强网络提取多尺度特征的能力;再次,网络中的OutLayer之前采用了CSAM注意力动态地调整特征图中各个通道和空间位置的重要性,更有效地回归图像中人的位置和分类;最后,在损失函数中,Focal Loss代替了传统的交叉熵,来解决正负样本不均衡和难易样本不均衡的问题.在公开数据集和自有数据集上进行对比实验的结果表明,该算法在平均绝对误差上优于当前同类先进算法.在实际的车站视频场景下,该算法能够准确估计人群数量.
展开
-
作者：
万成凯,安高云,崔岚
-
刊名：
计算机与现代化
-
年期：
2025.11
在线阅读
收藏