Resumen

Estimar la densidad de multitudes en territorios públicos, como los lugares escénicos, es de gran importancia para garantizar la seguridad de la población y la estabilidad social. Debido a problemas en los lugares escénicos como el cambio de iluminación, el cambio de ángulo de la cámara y la oclusión de peatones, los métodos actuales no pueden realizar estimaciones precisas. Para hacer frente a estos problemas, en este estudio se propone un método de aprendizaje conjunto (EL) que utiliza la regresión de vectores de soporte (SVR) para la estimación de la densidad de la multitud (CDE). El método utiliza primero la anchura de la cabeza humana como referencia para separar el primer plano en varios niveles de bloques. A continuación, adopta el modelo SVR de primer nivel para predecir aproximadamente las tres características extraídas de los bloques de imágenes, incluyendo D-SIFT, ULBP y GIST, y los resultados de la predicción se utilizan como nuevas características para el modelo SVR de segundo nivel para la predicción fina. Los resultados de la predicción de todos los bloques de imágenes se suman para la estimación de la densidad según los niveles de aglomeración predefinidos para diferentes escenas de lugares escénicos. Los resultados experimentales demuestran que el método propuesto puede alcanzar una tasa de clasificación superior a 85 o múltiples escenas de lugares escénicos, y es un método CDE eficaz con una gran adaptabilidad.

• Materias:Ingeniería electrónica Redes Inalámbricas Ingeniería Eléctrica Procesamiento de señales asistido por computador Sistemas de comunicación Informática
• Subjects:Electronic engineering Wireless Networks Electrical Engineering Signal processing computer-assisted Communication systems Computing
• Palabras claves:puntos escénicos, modelo svr de nivel, método, bloques de imágenes, cambio de ángulo de la cámara, estimación de la densidad de la multitud, método cde eficaz, anchura de la cabeza humana, regresión de vectores de apoyo, problemas
• Keywords:scenic spots, level svr model, method, image blocks, camera angle change, crowd density estimation, effective cde method, human head width, support vector regression, problems