来源：期刊VIP网 时间：
作者：李智;苗壮壮;杨连报;
单位：北京和利时系统工程有限公司;
摘要：人群计数作为一项关键技术，在公共安全、城市规划以及交通管理等多个领域发挥着至关重要的作用。全监督计数方法要求对行人进行精确的点对点标注，这不仅耗费大量的人力资源，而且需要昂贵的物质资源。相比之下，弱监督学习方法仅需要计数级别的注释，有效地解决了这一问题。然而，现有弱监督人群计数往往忽略了人群图像内部的密度分布问题，无法达到与全监督人群计数方法相似的计数性能。为了解决该问题，提出一种基于HGNN和多尺度特征融合的弱监督人群计数方法。利用超图挖掘人群区域内在的关联关系，并设计了一个低分辨率的多尺度特征融合模块来聚合多尺度的行人特征。在4个著名的基准人群计数数据集上进行了实验，结果表明，与现有的弱监督方法相比，所提方法的MAE提高了2.2%, RMSE值仅与当下最优方法相差3.9。此外，在昆明5号地铁线的站台视频进行了实际测试，验证了该方法能够实现高准确度的人群数量估计。
关键词：人群计数;;弱监督学习方法;;多尺度特征;;超图神经网络;;特征映射;;Swin Transformer
基金资助：中国国家铁路集团有限公司科研专项(L2022X003);中国国家铁路集团有限公司重点课题(N2022G010)
