摘要

我们提出一种方法，通过融合多种信息源来估算单张图像中极密集人群的个体数量。由于透视变形、遮挡、场景杂乱以及每人仅占据少量像素等挑战，传统的基于人体检测的计数方法在该类图像中几乎无法实现。为此，我们的方法不依赖于高置信度的人体检测，而是综合运用低置信度的头部检测、纹理元素的重复性分析（采用SIFT特征）、以及频域分析等多种信息，以估计图像区域中个体出现的可能性及其数量，并同时输出相应的置信度。其次，我们引入马尔可夫随机场（Markov Random Field）对全局计数结果施加一致性约束，以缓解局部邻域及多尺度间计数结果的不一致性问题。我们在一个全新的数据集上验证了该方法，该数据集包含50张人群图像，共标注了64,000个个体，头部数量范围从94到4,543。这一规模远超现有方法所依赖的数据集（通常仅包含数十个个体），具有显著的挑战性。通过实验定量评估，我们充分验证了所提方法在准确性与可靠性方面的优越性能。