人群计数研究的发展
传统的：直接回归计数法--- input(图片)——>outout(人数) 参考
目前深度学习主流的： input(图片)——>output(密度图)——>估计人数
为什么不基于深度学习的目标检测、原因是目标检测对于密集对象与超小目标对象很难正确识别与准确计数。无法正确给出密集人群的模型与聚集程度。进展 | 密集人群分布检测与计数_Dataset
首先对于这个新的细分领域的深度学习可以从这篇文章入门开始：
人群计数：从MCNN开始谈起~ - 知乎
人群计数--MCNN的另外一种解读
标签是怎样的？人群计数里面的标签就是密度图 参考
数据集标注的一个过程？
两部分，1.人群图像标注表示；2.人群图像标注转换为人群密度图。
模型应该学习什么东西。输入图片，和输出密度图之间的映射关系。
输出是一张密度图，那如何得到我区域里的人头数量呢？
人群计数就是对输出的密度图进行积分计算，也就是。
对密度图逐像素求和。
人群密度估计之MCNN_年轻即出发，-CSDN博客_mcnn代码实现
-
qiu_112018.08.20
你好，我想问一下，如何从density map得到the number of persons ？？
-
-
sqiu_11回复watersink2018.08.20
多谢，其实zhangyingying的这篇文章里面提到了，刚看到
-
watersink作者回复sqiu_112018.08.20
根据密度图算出来的，但是前提是需要训练数据充足，得到的结果也可以，或者可以从网络层面，专门接入一个全连接进行回归，得到人数，王小刚老师有这样的论文，可以学习
-
