1. 毕业设计（论文）主要目标：
本毕业设计针对拥挤人群图像中人群遮挡和人物尺度变化问题，采用深度学习算法实现对人群的计数。
2. 毕业设计（论文）主要内容：
深度学习能够通过多层神经网络结构实现对复杂事物的非线性表示，本毕业设计采用卷积神经网络实现人群计数。
首先准备好训练需要的数据，之后对卷积神经网络进行设计，确定包含哪些网络层，对每一层网络参数进行设置并确定所采用的激活函数和损失函数。本设计使用图片的密度图作为数据标签，在现有的数据集上进行网络训练，建立起人群图片与其对应的密度图之间的映射关系，最后将输出的密度图积分就可实现对图片中人群的计数。
3. 主要参考文献
[1].Zhang Y , Zhou D , Chen S , et al. Single-Image Crowd Counting via Multi-Column Convolutional Neural Network[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2016.
[2].Zhang N C , Li N H , Wang X , et al. Cross-scene crowd counting via deep convolutional neural networks[C]// 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE Computer Society, 2015.
[3].Sam D B , Surya S , Babu R V . Switching Convolutional Neural Network for Crowd Counting[J]. 2017.
