题 目
基于卷积神经网络的人群计数
课题类型
工程设计 eq \o\ac(□,√) 理论研究□ 其他□
设计内容与技术要求
、
成
果形式
人群计数在很多领域具有重要作用，如公共场所安保、交通规划和疏导等。而卷积神经网络是当前流行的机器学习方法，在诸如人脸识别、图像分类等诸多领域取得成功。利于卷积神经网络进行较为准确的公共场所大规模人群计数，是本课题的主要目的。
设计内容与技术要求：
1. 学习和掌握数字图像处理的基本理论和方法；
2. 学习和掌握OpenCV等常用图像处理库的编程使用；
3. 设计和实现基于卷积神经网络的人群计数算法，形成一个软件工具；
4. 实验验证并分析该算法。
成果形式：
1. 一个基于卷积神经网络的人群计数软件原型；
2. 毕业设计报告、软件说明书以及相应电子文档。
设计进度
1. 查资料调研卷积神经网络和人群计数相关技术并撰写开题报告
2. 分析和设计基于卷积神经网络的人群计数算法的实现框架
3. 掌握基于OpenCV的数字图像数据输入、输出和操作的编程
4. 使用c/c++等编程语言实现基于卷积神经网络的人群计数算法
5. 软件调试
6. 实验验证和分析
7．整理资料，撰写论文，准备答辩
参考资料
[1] 拉斐尔 C.冈萨雷斯等. 数字图像处理（第3版）. 电子工业出版社, 2010年1月.
[2] 于仕琪, 刘瑞祯(译). 学习OpenCV(中文版). 清华大学出版社, 2009年10月.
[3] D. Sam et al. Switching Convolutional Neural Network for Crowd Counting. CVPR’2017.
[4] L. Boominathan, S. S. Kruthiventi, and R. V. Babu. Crowdnet: A deep convolutional network for dense crowd counting. In Proceedings of the 2016 ACM on Multimedia Conference, pages 640–644, 2016.
[5] D. Onoro-Rubio and R. J. Lopez-Sastre. Towards perspective-free object counting with deep learning. In European Conference on Computer Vision, pages 615–629. Springer, 2016.
PAGE
PAGE 2