人群密度统计技术

随着人口的增长以及人群活动的多样化，人群拥挤的场景随处可见，如机场、车站、景点等，这将成为公共管理以及公共安全巨大的挑战。人群密度与人群安全密切相关，当人群密度过高时，容易引起恐慌、拥挤以及踩踏。在很多场合中，都曾因人群密度过高而引发灾祸。

技术特点

现有的人群密度估计方法在面对人群密度大、人员分布不均匀、环境复杂以及遮挡严重的场景仍无法取得比较理想的结果。针对这些难点，我司在深度学习的框架下，采用多层特征融合网络，能够有效提高在人员密集、遮挡严重场景下的人群密度估计精度以及稳定性。同时，为缩短场所管理方对突发事件的响应时间，还对本算法的处理速度进行了优化，能够满足特定场所对密度估计的实时性要求。