文献类型：期刊文章

作　　者：刘宇明[1] 凌志祥[2] 吴强[2] 赵闻迪[2] 李辉[1]

LIU Yuming;LING Zhixiang;WU Qiang;ZHAO Wendi;LI Hui(Electric Power Dispatching Control Center,Yunnan Power Grid Company Limited,Kunming Yunnan 650011,China;Chengdu Information Technology of Chinese Academy of Sciences Corporation Limited,Chengdu Sichuan 610041,China)

机构地区：[1]云南电网有限责任公司电力调度控制中心,昆明650011 [2]中科院成都信息技术股份有限公司,成都610041

出　　处：《计算机应用》

年　　份：2018

卷　　号：38

期　　号：A02

起止页码：51-54

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：室内会场由于其环境背景的复杂性和人员之间彼此的遮挡,是传统的人脸检测与人数统计的一个研究难点。针对云南电网视频会议中的人脸检测和人脸特征点回归,提出了一种优化之后的人数统计算法。基于多任务级联卷积神经网络,充分利用其任务间的差异性和相关性,融合了权重自学习模块,得到了多个网络层任务之间的最佳权重分布,提高了视频流中参会人员人脸对齐的实时性和准确性,改善了人数统计算法的检测效率;同时,利用视频流生成图像序列,引入多尺度的时空特征,实现帧间前后人员检测信息的关联标记,解决了图像帧间模糊的问题;并剔除了环境背景带来的间歇性干扰信息,从而判断出是否有人员被遮挡,进一步提升了算法的准确性。

关 键 词：多任务 卷积神经网络 人脸对齐与检测  时空特征  人数统计

分 类 号：TP391.4]