面向开放场景的人群计数与密度估计视频监控系统

作为人口聚集的城市，随人口基数的增长以及人类活动的多样化，拥挤场景随处可见，如空港、车站、体育场等，高密度的人群聚集往往会带来意料之外的安全隐患，随之而来的是极易发生的拥堵、踩踏甚至暴恐事件，这给传统的公共安全管控带来了不小的挑战。随城市安全不断受冲击，城市管理者通过增加安监摄像头的数量及其辐射范围来加强管理，但传统的监控技术依赖相应技术人员的介入，需消耗大量的人力物力；同时，人力往往作为现代化信息系统的瓶颈所在，也给传统监控系统的性能带来了不确定性。于此，一个自动化的人群分析系统便成为迫切的需求。
自动化人群分析作为城市公共安全服务重要的解决方案之一，自计算机诞生之初便一直备受瞩目。考虑到实现完整系统的复杂性，越来越多的城市管理者将注意力优先投入到与该问题密切相关的基本子问题中去，例如人群计数、人群密度估计、行为分析、行人追踪以及异常检测等领域。与此同时，又由于实际运用场景中所蕴含的复杂性，这些技术离实际运用还有很长的路要走。
同其他计算机视觉相关问题一般，人群分析领域也面临着诸多困难：目标间的高遮挡率、高度聚集、目标分布的不均匀以及场景中的照明变化、背景转换和透视现象，给问题的进一步研究带来不小的麻烦；除此以外，针对不同的运用场景，对系统精度与运算能力也有较高要求。人群分析作为一个典型的跨学科问题，不同学科背景的研究人员从不同角度尝试解决这一问题：
1）安全监控：出于方便现场调度和灾害预警的考虑，在体育场馆、旅游景点、购物中心和机场等场所往往会部署数量众多的视频监控摄像头，方便现场管理人员通过集中式监控系统掌握各主要地点状况。然而，受限于人力资源的分配以及突发事件的不可知性，传统的监视算法可能因此而无法处理高密度人群而崩溃。在这种情况下，科研人员针对具体部署情况部署了不同的人群统计系统，如进出口闸机、红外报警系统以及其他自动化系统缓解安全人员的监控压力。
2）灾害管理：许多涉及人流汇聚的场景，如体育赛事，音乐会，公众示威和政治集会，都面临相关灾难的风险，例如可能危及生命的踩踏事件，又或者是暴恐事件。在这种情况下，人群分析可以用作早期过度拥挤检测和人群适当管理的工具，有效预警可能的突发状况。
3）公共空间设计：对机场航站楼，火车站，商场和其他公共建筑等现有公共场所的人群分析可以从人群安全和便利的角度揭示重要的设计缺陷。这些研究可用于优化公共空间的设计，以提高安全性和人群移动。
4）公共情报收集和分析：人群计数技术可用于收集可用情报，以便进一步分析和推断。例如，在零售领域，人群计数提供的时空信息可用于分析顾客对商店中产品的兴趣，并且根据进一步汇总、分析该信息，可用于合理优化产品放置位置。同样的，人群计数可用于测量队列长度，用以优化安检通道数量，提高人员效率。
5）刑侦搜索：人群分析技术可用于搜索大型集会中的爆炸，枪击或事故等事件中的嫌疑人和受害者。传统的人脸检测和识别算法可以协同运用到人群分析中去，拓展该技术运用场景以及丰富已有的技术手段。
不同于一些运用特殊传感器的室内自动分析方案，比如闸机、红外探测手段，本项目所论述方案面向开放场景，并不对使用场景做过多的人为限制，采用价格低廉的消费级摄像设备作为传感器。
本项目主要研究人群分析技术中的一个主要问题，即基于计算机视觉的人群计数与密度估计问题，以深度学习技术为出发点，关注模型的实用化部署，提出一个轻量化的深度学习模型，并在提供人群密度估计服务的基础上进行拓展，进一步提供人群密集场景中的风险评估以及对冲预警。
上海师范大学
徐敏豪