简介面向毕业设计与课程论文写作需求这份深度学习人流量检测方法论文资料提供了完整参考。论文以MobileNet-SSD轻量级模型为核心详细阐述深度可分离卷积减小计算量、加速推断的原理并完整覆盖六个实施环节爬取婴儿车数据并结合VOC的person类别自制数据集、构建并训练模型、配置solver参数、Python编写数据输入/行人检测/跟踪/结果输出模块、视频监控下实时统计人流量。针对婴儿车多、行人移动慢的公园与文化广场场景设计实验验证了模型在准确度、速度和体积上的优势还讨论了疫情期疏散人群的应用价值。资源含1个docx文件压缩包224KB适合初学者、工程师与在校师生研读。目前已有81人学习下载。读者能从中获得论文组织框架、实验设计思路、35层模型细节、开发环境Ubuntu16.04Caffe配置等知识便于开展类似课题的写作与开发。1. 基于深度学习的人流量检测方法这个毕设题目到底在做什么做毕设选择“基于深度学习的人流量检测方法”这个题目时我最初的设想很简单找个目标检测模型把画面里的人框出来然后len(boxes)就是人数。真正和导师聊过之后才发现要交差的远不止这些。需要认真回答的是三件事密集遮挡下怎么不漏检、人数怎么算成连续值而不是单纯数框、以及用什么指标证明你的方法比传统红外对射和人工目测更可靠。这个题目本质是一套完整的计算机视觉工程课题从数据标注、模型选型、训练调参到论文里的实验组织每一步都直接决定毕设能不能拿高分。它很适合正在准备毕设或课设的学生也适合想快速上手深度学习图像识别并做出一个能跑的原型系统的开发者。2. 人流量检测的技术选型从检测到计数的四条路线2.1 目标检测路线用 YOLO 检测人头再数框目标检测是人流量检测里最符合直觉的一条路先定位画面里每个人再统计定位结果。这里最常见的选择是单阶段检测器因为双阶段检测器精度虽高但推理速度慢做实时计数并不划算。YOLO 系列是出场率最高的模型原因有三端到端训练方便、社区资料足够多、部署到普通 CPU 上也不算吃力。如果你是从深度学习入门开始做这个题目YOLO 是最容易在两周内跑通并看到结果的选择。实际落地时我更推荐把检测目标从“人体”换成“人头”。全身检测有个致命问题人群里两个人站得近一点预测框就开始互相交叉后处理的 NMS非极大值抑制经常把其中一个人整个压掉。而人头是刚性目标受衣服颜色、姿态变化影响小被上半身遮挡的概率也低很多。训练时把标注框换成头部框推理时统计 confidence 大于阈值的框数量就得到人数。这里有两个参数值得记下来confidence 阈值设在 0.25 到 0.5 之间调低能捞回一部分遮挡目标但误检也会变多NMS 的 IoU 阈值在 0.5 到 0.65 之间稍微偏高一点能缓解相邻头框被合并成一个框的问题。这条路线在场景稀疏时表现很好在商场走廊、会议室出入口这类地方计数误差通常能控制在 5% 以内。但一旦人群密度上来框与框大量重叠漏检率就会快速上升。在每平米 3 人以上的拥挤场景里mAP 可能看着还可以但用框数量当成人数偏差到 20% 都不奇怪。所以论文里报指标时检测路线最好把 mAP 和计数误差 MAE 两个指标一起放上去只说其中一个容易被答辩老师抓到漏洞。2.2 密度图回归路线拥挤场景里的主流论文方案密度图回归的思路是不预测“哪里有一个人”而是预测“每个像素附近站着多少人”。模型输出一张和输入分辨率接近的热力图对整张图求和就是总人数。这条技术路线在人群分析领域几乎是默认选择尤其面向景区、车站、地铁站这类高密度场景时检测路线普遍翻车密度图反而稳定。常见实现是把 VGG16 去掉全连接层当作特征提取前端后面接几层空洞卷积。空洞卷积的作用很关键它能在不缩小特征图的前提下扩大感受野让模型在预测某个位置时同时看到周围更大的范围。最后用 1x1 卷积输出单通道密度图。训练时让模型输出的密度图去逼近真实密度分布损失函数用均方误差。真实密度分布由点标注生成标注时只在每个人头顶点一个点再以这个点为中心铺一个高斯核。这样一个点就变成一个“软人头”相邻的人头挨得再近高斯峰也能区分开这是密度图抗遮挡的根本原因。给毕设选型时我的建议是如果题目默认场景是密集人流优先选密度图路线。论文里还能顺带做创新比如用不同空洞率的并行分支处理不同尺度的人头。MCNN 就是多列不同感受野的经典设计做对比实验时拿它当 baseline 很合适。密度图的缺点是几乎不可解释答辩时被问“为什么这个区域预测了 20 人”会很难答所以一定要配合可视化热力图一起讲用图说话。2.3 全局计数回归与分割路线适合做 baseline 和对比项全局计数回归是最粗暴的做法输入一张图模型直接输出一个数字。实现上把 ResNet 的分类头换成一层线性回归即可训练时用 MAE 或 MSE 做损失。它的推理速度极快模型也小但有两个硬伤完全不可解释、没有任何位置信息。如果场景只需要一个总人数比如统计一个房间当前有多少人它够用但论文一旦需要分析区域分布它就顶不上。我的做法是把它作为对比表的第一列 baseline用实打实的误差数据证明“直接回归丢失空间信息计数不靠谱”这比放着不用更有说服力。分割路线则是把人群当作前景像素分割出来再按面积或连通域估算人数在非常拥挤的“人海”画面里表现不错。问题在于它需要像素级标注标注成本高而且人数多到一定程度后分割面积和人数不再是线性关系。课设时间有限不建议当主线可以在消融实验里当一个分支变体提一下。这一条路线的价值更多是让论文的技术路线图显得完整而不是真的去和密度图拼精度。2.4 技术路线怎么定先看数据长什么样再选模型选型最忌讳一上来就翻最新论文找最复杂模型反而应该先抽 50 张场景图肉眼判断几件事画面里最多出现多少人、人头平均像素大小、相机是俯拍还是平拍、有没有大面积遮挡。下面这个表是我给历届学生用的判断依据场景特征推荐主线论文侧重点稀疏到中等密度需要画出位置框YOLO 检测人头mAP 计数误差双指标密集人群头挨着头密度图回归VGG 空洞卷积MAE/MSE 对比、密度图可视化只需要总人数设备算力弱全局回归参数效率、消融实验超密集人海像素级场景分割 面积估计区域计数、边界误差分析确定主线之后再定对比模型检测路线至少和 YOLOv5、YOLOv8 对比密度路线至少和 CSRNet、MCNN 对比。这样论文里的技术路线图就有了一条推导链而不是“我猜这个模型好用”。如果数据还没采集先按这个表里的场景描述去拍素材比盲目用公开数据集更贴近你的论文题目。3. 用 PyTorch 跑通人流量检测最小流程环境、数据与训练参数3.1 深度学习环境配置从 Miniconda 开始先确认 CUDA 再装 PyTorch环境配置是毕设里第一个劝退点。常见的可靠做法是先用 Miniconda 建一个独立环境不要动 base 环境否则装坏一个包会连带崩掉一堆东西。conda create -n crowd python3.10 -y conda activate crowd conda install pytorch torchvision pytorch-cuda12.1 -c pytorch -c nvidia python -c import torch; print(torch.__version__, torch.cuda.is_available())python3.10是兼容性相对稳定的版本pytorch-cuda12.1要和本机 NVIDIA 驱动支持的 CUDA 版本对应不是随便填的。最后一行验证命令必须输出True代表 GPU 可用。如果本地是纯 CPU 环境把安装源换成 CPU 版即可训练会慢不少但能先把流程跑通、把指标算出来之后再租服务器迭代。没有 GPU 又想快速实验的话租一台带 GPU 的云服务器做训练是常见操作本地只做推理验证成本比想象中低。装完先别急着装其他包跑一次验证命令。报错大多是 CUDA 版本不匹配或者驱动太老先把这两件事对齐再装numpy、scipy、matplotlib。缺什么包在训练报错时再补避免把环境搞成一个不可复现的黑匣子。每次重启电脑后先conda activate crowd再跑训练这个习惯能省掉大量“刚才明明能跑现在报错”的排查时间。3.2 数据集准备标注转成检测框和密度图两种信号人流量检测的数据标注有两种形态。检测路线用矩形框标每个头密度路线用点标每个头的中心。公开数据集方面ShanghaiTech 分成 Part A 的密集场景和 Part B 的稀疏街道UCF-QNRF 是难度更高的密集场景做毕设选其中一个就能撑起完整对比实验。以检测路线为例把 VOC 格式的 XML 标注转成 YOLO 需要的 txt 格式时核心工作是归一化坐标# voc2yolo.py把XML里的框转成YOLO训练格式 import glob import xml.etree.ElementTree as ET def convert_xml(xml_file, out_txt, class_id0): tree ET.parse(xml_file) # 解析标注文件 root tree.getroot() w_img int(root.find(size/width).text) # 图像原始宽度 h_img int(root.find(size/height).text) # 图像原始高度 lines [] for obj in root.iter(object): name obj.find(name).text if name ! person: # 只保留人忽略其他类别 continue box obj.find(bndbox) x1, y1 int(box.find(xmin).text), int(box.find(ymin).text) x2, y2 int(box.find(xmax).text), int(box.find(ymax).text) # YOLO格式类别 中心点归一化 宽高归一化 cx (x1 x2) / 2 / w_img cy (y1 y2) / 2 / h_img bw (x2 - x1) / w_img bh (y2 - y1) / h_img lines.append(f{class_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines)) for xml in glob.glob(labels/*.xml): convert_xml(xml, xml.replace(.xml, .txt))这个脚本看起来简单但坐标不归一化、宽高算反、类别名不匹配三个问题我都见过。写完先挑三张图把转出来的坐标画回原图检查确认框紧贴头顶边缘再批量执行剩下的文件。批量转换前画图这步是血泪经验至少能救回一整天的重标时间。密度路线要生成训练用的真实密度图。点标注本质是坐标列表每个点膨胀成一个高斯峰import numpy as np from scipy.ndimage import gaussian_filter def make_density_map(points, h, w, sigma4): # points: 每个人头顶中心坐标的列表 density np.zeros((h, w), dtypenp.float32) for x, y in points: # 防止标注点刚好落在图像边界外 x min(int(x), w - 1) y min(int(y), h - 1) density[y, x] 1 # 高斯模糊把离散点变成连续的密度分布 density gaussian_filter(density, sigmasigma) return densitysigma这个参数直接决定训练目标。固定 sigma 适合人头大小接近的场景比如固定机位的俯拍如果是大角度平拍近处人头大、远处人头小固定 sigma 会让远处的小头目标学不到精细信号。论文里对这个参数很敏感自适应 sigma 是很多改进工作的切入点常见做法是让 sigma 和每个点到周围人头最近距离成正比人头越密集的地方 sigma 越小、峰越锐利。3.3 训练循环与超参数密度图模型的完整最小训练代码密度图模型训练不需要复杂后处理一个最小训练循环长这样import torch import torch.nn as nn model CSRNet().to(device) # 前端VGG16 空洞卷积 optimizer torch.optim.Adam(model.parameters(), lr1e-4, weight_decay1e-4) criterion nn.MSELoss() # 回归任务用均方误差 for epoch in range(200): model.train() for img, gt_density in train_loader: # 每个batch图 真实密度图 img, gt_density img.to(device), gt_density.to(device) pred_density model(img) loss criterion(pred_density, gt_density) # 密度图逐像素逼近 optimizer.zero_grad() loss.backward() optimizer.step() if (epoch 1) % 10 0: mae evaluate_mae(val_loader, model) # 验证集MAE print(fepoch {epoch1}, loss {loss.item():.4f}, MAE {mae:.1f}) if mae best_mae: # 保存最优权重相当于后悔药 torch.save(model.state_dict(), best_csrnet.pt) best_mae mae几个参数的常规取值要解释清楚。lr1e-4是密度图回归的常见起点比分类任务低很多因为这里是直接回归像素级数值学习率太大会导致 loss 乱跳weight_decay1e-4做轻量正则防止空洞卷积的百万级参数过拟合。batch size 依显存定8 到 32 都试过显存不够就调小输入图分辨率不要硬顶。200 个 epoch 是这类任务的常见上限配合每 10 轮打印一次验证 MAE能清楚看到模型是在收敛还是已经停滞。检测路线的训练更省事用 YOLO 系列自带命令就能跑yolo detect train datacrowd.yaml modelyolov8n.pt epochs120 imgsz640 batch16 lr00.01 patience20imgsz640是训练分辨率小目标多就提到 1280显存占用会翻倍lr00.01是初始学习率配合内置的余弦退火下降patience20表示验证指标连续 20 轮不涨就提前停不用守着训练。yolov8n是 nano 版本参数量小课设环境带得动。训练结束后别急着收工用验证集里误差最大的几张图跑一次可视化确认模型不是靠运气蒙对的。3.4 评估指标MAE 和 MSE 这么算论文里这么写人流量检测的核心指标不是准确率而是计数误差。最常用的是 MAE 和 MSEdef evaluate_mae_mse(loader, model): device next(model.parameters()).device mae mse total 0 with torch.no_grad(): for img, gt in loader: pred model(img.to(device)).sum().item() # 密度图求和 预测人数 gt_count gt.sum().item() # 真实人数 mae abs(pred - gt_count) mse (pred - gt_count) ** 2 total 1 return mae / total, (mse / total) ** 0.5 mae, mse evaluate_mae_mse(val_loader, model) print(fMAE {mae:.1f} / MSE {mse:.1f})MAE 是平均绝对误差反映整体偏差MSE 先平方再开根会把个别误差极大的画面放大所以论文里两个都报。检测路线会额外报 mAP但 mAP 高不代表计数准因为漏检和误检会互相抵消。我的习惯是把测试集按人数分成低密度、中密度、高密度三个子集分别算 MAE这样能定位模型到底在哪种场景失效。测试子集场景说明MAE低密度段画面少于 10 人示例填数中密度段画面 10 到 30 人示例填数高密度段画面 30 人以上示例填数论文里写指标时不要只给一个数字加一句“高密度段误差明显高于低密度段主要原因是遮挡加剧导致漏检”这一段分析能让实验部分立得住。4. 密集人群场景避坑记录5 个踩过的坑4.1 小目标人头漏检远处的头在特征图里只剩一个像素现象测试集里画面远端的人群几乎全被漏掉整体 MAE 比预期高出一大截。把预测结果画出来近处的头框得很准远处的头位置彻底空白。原因目标检测模型普遍做 8 倍以上下采样一个 16x16 像素的头顶在特征图里只剩 2x2 个值信息基本被卷积冲掉。密度图模型如果继续用固定 sigma小头的能量太弱回归值趋近于零。解决检测路线把输入分辨率从 640 提到 1280并开启多尺度预测层密度路线减少前端下采样次数或者用空洞卷积维持特征图分辨率。这两个手段不能根治但能把远端检出率拉回可用水平。论文里把远端场景单独拿出来做“尺度鲁棒性”分析比报一个总 MAE 更有说服力。4.2 严重遮挡导致框合并NMS 把两个人按成一个计数现象两个人在画面里身体重叠、只露出两个头检测结果只输出一个框。实际人数 2模型输出 1人工核查时还说不清错在哪。原因NMS 执行时如果一个低分框和高分框的重叠面积过大低分框会被直接抑制。头贴头时两个框的 IoU 可能超过 0.7后处理默认参数把其中一个当成重复框删掉了。解决把 confidence 阈值从默认 0.25 降到 0.1 到 0.15让更多被压制的低分框活下来更靠谱的是换成 soft-NMS 或 WBF 加权框融合这类后处理在密集目标场景里比单纯调 IoU 阈值有效得多。另外重申主线选择对头挨头级别的遮挡密度图路线天生比检测路线稳定这是我对比实验后反复强调的一点。4.3 透视形变近处一个大头能顶远处五个小头现象相机平拍时近处一个人占 200 像素高度远处只占 20 像素。密度图模型把近处的人预测成一个大能量团远处的人被忽略总人数被低估。原因固定 sigma 的高斯核假设所有人头一样大但透视让真实人头尺度跨度非常大。模型学到的密度峰面积和真实人头面积对不上近处一个峰的能量能覆盖远处好几个头。解决密度图路线改用自适应高斯核sigma 根据当前点和相邻人头距离动态计算人头越密的地方 sigma 越小、峰越锐利。检测路线则开启多尺度训练让模型在训练中见过各种尺度的人头。这步做完高密度段的 MAE 通常能明显降下来而且可视化热力图里近处和远处的峰值响应会均匀很多。4.4 标注质量翻车GT 不贴边模型学到的“人头”是错的现象自己标了 500 张图训练出来的模型在部分场景里把衣领、背包当成人头。把预测框画出来看位置总是偏一个角。原因标注时偷懒点标在肩膀、框松垮垮地包住肩部。模型拟合了一个错误分布人头中心的标签和真实头部区域对不上。这个问题在标注阶段看不出来到训练完才暴露返工成本很高。解决定死一套标注规范再动手。检测标注要求框紧贴头的上下左右边缘密度标注要求点落在头顶中心而不是后脑勺。标完前 50 张先抽样画图自检找同学复核一遍不一致的先改规范再继续。批量转换后也一定要画图抽查不能只看 txt 文件格式对不对。这条如果踩中代价是按千张计的标注时间。4.5 训练震荡不收敛loss 玄学背后是学习率和数据顺序问题现象loss 前 20 轮一直在 0.1 附近抖动验证 MAE 卡在 80 上下不再下降。重新跑一遍结果忽高忽低像开盲盒。原因学习率对回归任务偏大梯度在最优解附近来回震荡数据加载器没有打乱连续多个 batch 都是同一角度的画面梯度方向被带偏。解决把初始学习率降到 1e-5 到 1e-4 区间或者用带 warmup 的调度器前 5 轮线性升到目标学习率。dataloader 打开shuffleTrue让每个 epoch 的数据顺序都不同。还有一条重要习惯训练时每轮都保存当前最优权重等全部跑完再回滚到 best epoch。这个后悔药机制配合 loss 曲线一起看能省掉大量无效重训时间。5. 论文实验怎么组织数据划分、对比表和可视化5.1 数据集划分先定划分方案再写代码防止数据泄漏论文实验部分最容易被质疑的就是数据划分。常见做法是 6:2:2 拆成训练、验证、测试三份。但如果数据是自己采集的视频按帧随机划分会出事同一时刻的相邻帧几乎一模一样模型在训练帧上见过相似画面测试指标虚高答辩时一抽视频帧就露馅。可靠做法是按视频时间顺序切段前 60% 的帧做训练、中间 20% 做验证、后 20% 做测试保证同一时间段的人流不跨集合。使用公开数据集时优先采用官方划分没有官方划分的再按 6:2:2 随机切并固定随机种子。实验记录表至少包含三列数据集名称、划分比例、样本数。这张表放在论文里能让导师第一眼确认实验没有明显泄漏。数据集划分方式训练/验证/测试自采视频A按时间切段600 / 200 / 200 帧ShanghaiTech Part B官方划分如实填写5.2 实验对比表baseline、消融和关键指标缺一不可对比表是实验结果部分的核心。以密度图路线为例表格最少覆盖四条方法直接全局回归、YOLO 检测计数、CSRNet 密度图、你自己的改进模型。指标列建议固定为 MAE、MSE、参数量、FPS。前两个是精度后两个证明你的提升不是靠堆算力换来的。下面给一个占位模板提交前把示例值换成真实跑出来的数字方法MAEMSE参数量(M)FPS全局回归————YOLOv8 检测计数————CSRNet————本篇改进方法————消融实验单独放一个小表每次只改一个因素比如固定 sigma 换自适应 sigma、有空洞卷积换无空洞卷积。这一段写作逻辑是改进前精度差多少加一个模块变好多少每一行都要对应到正文的一句话不要让读者猜这个表在证明什么。5.3 可视化输出密度图叠加图、检测框画法与视频截图论文需要两组可视化检测路线的画框图、密度路线的热力图。密度图可视化用 matplotlib 叠加简洁代码如下import matplotlib.pyplot as plt fig, axes plt.subplots(1, 3, figsize(15, 5)) axes[0].imshow(img) # 原图 axes[0].set_title(Input) axes[1].imshow(gt_density, cmapjet, alpha0.6) # 真实密度图 axes[1].set_title(Ground Truth) axes[2].imshow(pred_density, cmapjet, alpha0.6) # 预测密度图 axes[2].set_title(Prediction) plt.savefig(density_vis.png, dpi200, bbox_inchestight)cmapjet是密度图论文里最常用的色带红到蓝对应高密度到低密度alpha0.6让热力图半透明叠加在原图上位置关系一眼能看清dpi200保证放进论文不糊。保存时横排三张图按同一坐标尺度裁剪方便盯着同一区域对比。检测框的画出直接调用模型自带绘图接口记得在每张图左上角标出预测人数答辩老师第一眼看的往往就是这个数字。视频可视化比单图更有冲击力抽一段测试视频的 30 帧连续标出每帧的预测人数画成时间折线图再叠上人工标注的真实人数。时间序列对比比单张图更容易让评委相信你的模型是连续稳定的而不是挑了几张简单的图来演示。5.4 实验记录与可复现固定随机种子和保存训练配置论文写到最后最怕的是补实验时发现复现不了当初的数字。常见原因是训练时没有固定随机种子或者数据加载顺序每次都不一样。在训练脚本顶部加上import random import numpy as np import torch random.seed(42) np.random.seed(42) torch.manual_seed(42) torch.cuda.manual_seed_all(42)固定随机种子之后同一份代码和同一份数据集每次跑出来的指标在误差范围内一致这会给论文增加可信度。另外把每次实验的训练命令、数据划分比例、最优权重路径一起存进一个 txt 文件和实验结果表放在同一级目录。毕设周期长达几个月回来续跑的时候最怕忘了当初用的是什么参数。这个习惯省掉的返工时间比任何调参技巧都多。6. 把模型从论文跑到真实场景验证方法和一个实用技巧论文实验做完最后一步是证明模型真实可用。我最常用的验证手段是视频抽帧测试找一段监控或手机拍的走廊视频每秒抽一帧逐帧跑模型把每帧人数连成一条时间线和人工数出的结果对比。抽帧间隔不要小于 10 帧否则相邻画面高度相似测出来的指标虚高。但如果要验证模型稳定性连续帧测试反而更好能看出预测人数有没有来回跳。两种抽法配合用一个测精度一个测稳定性。测推理速度时记得先 warm up模型前几次推理包含显存分配和算子预热直接计时会把 FPS 算低import time for _ in range(10): # 预热让算子完成初始化 _ model(img) t0 time.time() for _ in range(100): # 正式计时 _ model(img) fps 100 / (time.time() - t0) print(fFPS: {fps:.1f})如果 FPS 不够用最实用的技巧是把模型切到半精度推理PyTorch 里通过model.half()和输入张量.half()两行代码就能开启显存占用几乎减半速度有明显提升。这不改变计数逻辑但足以让演示时候画面不卡顿。需要留意的是半精度在部分旧显卡上精度会有损失切换后重新跑一遍验证集 MAE误差放大超过 5% 就退回单精度。最后说一个个人习惯每次跑完一组实验把训练命令、数据划分、最优权重路径一起存进一个 txt 文件。毕设周期跨越好几个月中间穿插课程和实习回来继续实验时最怕的就是忘了当初用什么参数跑出的结果。这个习惯帮我省下的返工时间比任何调参技巧都多。这个方向的技术不算新但依然值得投入希望这些经验能帮到你在毕设和课设里少踩几个坑。本文还有配套的精品资源点击获取
简介面向毕业设计与课程论文写作需求这份深度学习人流量检测方法论文资料提供了完整参考。论文以MobileNet-SSD轻量级模型为核心详细阐述深度可分离卷积减小计算量、加速推断的原理并完整覆盖六个实施环节爬取婴儿车数据并结合VOC的person类别自制数据集、构建并训练模型、配置solver参数、Python编写数据输入/行人检测/跟踪/结果输出模块、视频监控下实时统计人流量。针对婴儿车多、行人移动慢的公园与文化广场场景设计实验验证了模型在准确度、速度和体积上的优势还讨论了疫情期疏散人群的应用价值。资源含1个docx文件压缩包224KB适合初学者、工程师与在校师生研读。目前已有81人学习下载。读者能从中获得论文组织框架、实验设计思路、35层模型细节、开发环境Ubuntu16.04Caffe配置等知识便于开展类似课题的写作与开发。1. 基于深度学习的人流量检测方法这个毕设题目到底在做什么做毕设选择“基于深度学习的人流量检测方法”这个题目时我最初的设想很简单找个目标检测模型把画面里的人框出来然后len(boxes)就是人数。真正和导师聊过之后才发现要交差的远不止这些。需要认真回答的是三件事密集遮挡下怎么不漏检、人数怎么算成连续值而不是单纯数框、以及用什么指标证明你的方法比传统红外对射和人工目测更可靠。这个题目本质是一套完整的计算机视觉工程课题从数据标注、模型选型、训练调参到论文里的实验组织每一步都直接决定毕设能不能拿高分。它很适合正在准备毕设或课设的学生也适合想快速上手深度学习图像识别并做出一个能跑的原型系统的开发者。2. 人流量检测的技术选型从检测到计数的四条路线2.1 目标检测路线用 YOLO 检测人头再数框目标检测是人流量检测里最符合直觉的一条路先定位画面里每个人再统计定位结果。这里最常见的选择是单阶段检测器因为双阶段检测器精度虽高但推理速度慢做实时计数并不划算。YOLO 系列是出场率最高的模型原因有三端到端训练方便、社区资料足够多、部署到普通 CPU 上也不算吃力。如果你是从深度学习入门开始做这个题目YOLO 是最容易在两周内跑通并看到结果的选择。实际落地时我更推荐把检测目标从“人体”换成“人头”。全身检测有个致命问题人群里两个人站得近一点预测框就开始互相交叉后处理的 NMS非极大值抑制经常把其中一个人整个压掉。而人头是刚性目标受衣服颜色、姿态变化影响小被上半身遮挡的概率也低很多。训练时把标注框换成头部框推理时统计 confidence 大于阈值的框数量就得到人数。这里有两个参数值得记下来confidence 阈值设在 0.25 到 0.5 之间调低能捞回一部分遮挡目标但误检也会变多NMS 的 IoU 阈值在 0.5 到 0.65 之间稍微偏高一点能缓解相邻头框被合并成一个框的问题。这条路线在场景稀疏时表现很好在商场走廊、会议室出入口这类地方计数误差通常能控制在 5% 以内。但一旦人群密度上来框与框大量重叠漏检率就会快速上升。在每平米 3 人以上的拥挤场景里mAP 可能看着还可以但用框数量当成人数偏差到 20% 都不奇怪。所以论文里报指标时检测路线最好把 mAP 和计数误差 MAE 两个指标一起放上去只说其中一个容易被答辩老师抓到漏洞。2.2 密度图回归路线拥挤场景里的主流论文方案密度图回归的思路是不预测“哪里有一个人”而是预测“每个像素附近站着多少人”。模型输出一张和输入分辨率接近的热力图对整张图求和就是总人数。这条技术路线在人群分析领域几乎是默认选择尤其面向景区、车站、地铁站这类高密度场景时检测路线普遍翻车密度图反而稳定。常见实现是把 VGG16 去掉全连接层当作特征提取前端后面接几层空洞卷积。空洞卷积的作用很关键它能在不缩小特征图的前提下扩大感受野让模型在预测某个位置时同时看到周围更大的范围。最后用 1x1 卷积输出单通道密度图。训练时让模型输出的密度图去逼近真实密度分布损失函数用均方误差。真实密度分布由点标注生成标注时只在每个人头顶点一个点再以这个点为中心铺一个高斯核。这样一个点就变成一个“软人头”相邻的人头挨得再近高斯峰也能区分开这是密度图抗遮挡的根本原因。给毕设选型时我的建议是如果题目默认场景是密集人流优先选密度图路线。论文里还能顺带做创新比如用不同空洞率的并行分支处理不同尺度的人头。MCNN 就是多列不同感受野的经典设计做对比实验时拿它当 baseline 很合适。密度图的缺点是几乎不可解释答辩时被问“为什么这个区域预测了 20 人”会很难答所以一定要配合可视化热力图一起讲用图说话。2.3 全局计数回归与分割路线适合做 baseline 和对比项全局计数回归是最粗暴的做法输入一张图模型直接输出一个数字。实现上把 ResNet 的分类头换成一层线性回归即可训练时用 MAE 或 MSE 做损失。它的推理速度极快模型也小但有两个硬伤完全不可解释、没有任何位置信息。如果场景只需要一个总人数比如统计一个房间当前有多少人它够用但论文一旦需要分析区域分布它就顶不上。我的做法是把它作为对比表的第一列 baseline用实打实的误差数据证明“直接回归丢失空间信息计数不靠谱”这比放着不用更有说服力。分割路线则是把人群当作前景像素分割出来再按面积或连通域估算人数在非常拥挤的“人海”画面里表现不错。问题在于它需要像素级标注标注成本高而且人数多到一定程度后分割面积和人数不再是线性关系。课设时间有限不建议当主线可以在消融实验里当一个分支变体提一下。这一条路线的价值更多是让论文的技术路线图显得完整而不是真的去和密度图拼精度。2.4 技术路线怎么定先看数据长什么样再选模型选型最忌讳一上来就翻最新论文找最复杂模型反而应该先抽 50 张场景图肉眼判断几件事画面里最多出现多少人、人头平均像素大小、相机是俯拍还是平拍、有没有大面积遮挡。下面这个表是我给历届学生用的判断依据场景特征推荐主线论文侧重点稀疏到中等密度需要画出位置框YOLO 检测人头mAP 计数误差双指标密集人群头挨着头密度图回归VGG 空洞卷积MAE/MSE 对比、密度图可视化只需要总人数设备算力弱全局回归参数效率、消融实验超密集人海像素级场景分割 面积估计区域计数、边界误差分析确定主线之后再定对比模型检测路线至少和 YOLOv5、YOLOv8 对比密度路线至少和 CSRNet、MCNN 对比。这样论文里的技术路线图就有了一条推导链而不是“我猜这个模型好用”。如果数据还没采集先按这个表里的场景描述去拍素材比盲目用公开数据集更贴近你的论文题目。3. 用 PyTorch 跑通人流量检测最小流程环境、数据与训练参数3.1 深度学习环境配置从 Miniconda 开始先确认 CUDA 再装 PyTorch环境配置是毕设里第一个劝退点。常见的可靠做法是先用 Miniconda 建一个独立环境不要动 base 环境否则装坏一个包会连带崩掉一堆东西。conda create -n crowd python3.10 -y conda activate crowd conda install pytorch torchvision pytorch-cuda12.1 -c pytorch -c nvidia python -c import torch; print(torch.__version__, torch.cuda.is_available())python3.10是兼容性相对稳定的版本pytorch-cuda12.1要和本机 NVIDIA 驱动支持的 CUDA 版本对应不是随便填的。最后一行验证命令必须输出True代表 GPU 可用。如果本地是纯 CPU 环境把安装源换成 CPU 版即可训练会慢不少但能先把流程跑通、把指标算出来之后再租服务器迭代。没有 GPU 又想快速实验的话租一台带 GPU 的云服务器做训练是常见操作本地只做推理验证成本比想象中低。装完先别急着装其他包跑一次验证命令。报错大多是 CUDA 版本不匹配或者驱动太老先把这两件事对齐再装numpy、scipy、matplotlib。缺什么包在训练报错时再补避免把环境搞成一个不可复现的黑匣子。每次重启电脑后先conda activate crowd再跑训练这个习惯能省掉大量“刚才明明能跑现在报错”的排查时间。3.2 数据集准备标注转成检测框和密度图两种信号人流量检测的数据标注有两种形态。检测路线用矩形框标每个头密度路线用点标每个头的中心。公开数据集方面ShanghaiTech 分成 Part A 的密集场景和 Part B 的稀疏街道UCF-QNRF 是难度更高的密集场景做毕设选其中一个就能撑起完整对比实验。以检测路线为例把 VOC 格式的 XML 标注转成 YOLO 需要的 txt 格式时核心工作是归一化坐标# voc2yolo.py把XML里的框转成YOLO训练格式 import glob import xml.etree.ElementTree as ET def convert_xml(xml_file, out_txt, class_id0): tree ET.parse(xml_file) # 解析标注文件 root tree.getroot() w_img int(root.find(size/width).text) # 图像原始宽度 h_img int(root.find(size/height).text) # 图像原始高度 lines [] for obj in root.iter(object): name obj.find(name).text if name ! person: # 只保留人忽略其他类别 continue box obj.find(bndbox) x1, y1 int(box.find(xmin).text), int(box.find(ymin).text) x2, y2 int(box.find(xmax).text), int(box.find(ymax).text) # YOLO格式类别 中心点归一化 宽高归一化 cx (x1 x2) / 2 / w_img cy (y1 y2) / 2 / h_img bw (x2 - x1) / w_img bh (y2 - y1) / h_img lines.append(f{class_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines)) for xml in glob.glob(labels/*.xml): convert_xml(xml, xml.replace(.xml, .txt))这个脚本看起来简单但坐标不归一化、宽高算反、类别名不匹配三个问题我都见过。写完先挑三张图把转出来的坐标画回原图检查确认框紧贴头顶边缘再批量执行剩下的文件。批量转换前画图这步是血泪经验至少能救回一整天的重标时间。密度路线要生成训练用的真实密度图。点标注本质是坐标列表每个点膨胀成一个高斯峰import numpy as np from scipy.ndimage import gaussian_filter def make_density_map(points, h, w, sigma4): # points: 每个人头顶中心坐标的列表 density np.zeros((h, w), dtypenp.float32) for x, y in points: # 防止标注点刚好落在图像边界外 x min(int(x), w - 1) y min(int(y), h - 1) density[y, x] 1 # 高斯模糊把离散点变成连续的密度分布 density gaussian_filter(density, sigmasigma) return densitysigma这个参数直接决定训练目标。固定 sigma 适合人头大小接近的场景比如固定机位的俯拍如果是大角度平拍近处人头大、远处人头小固定 sigma 会让远处的小头目标学不到精细信号。论文里对这个参数很敏感自适应 sigma 是很多改进工作的切入点常见做法是让 sigma 和每个点到周围人头最近距离成正比人头越密集的地方 sigma 越小、峰越锐利。3.3 训练循环与超参数密度图模型的完整最小训练代码密度图模型训练不需要复杂后处理一个最小训练循环长这样import torch import torch.nn as nn model CSRNet().to(device) # 前端VGG16 空洞卷积 optimizer torch.optim.Adam(model.parameters(), lr1e-4, weight_decay1e-4) criterion nn.MSELoss() # 回归任务用均方误差 for epoch in range(200): model.train() for img, gt_density in train_loader: # 每个batch图 真实密度图 img, gt_density img.to(device), gt_density.to(device) pred_density model(img) loss criterion(pred_density, gt_density) # 密度图逐像素逼近 optimizer.zero_grad() loss.backward() optimizer.step() if (epoch 1) % 10 0: mae evaluate_mae(val_loader, model) # 验证集MAE print(fepoch {epoch1}, loss {loss.item():.4f}, MAE {mae:.1f}) if mae best_mae: # 保存最优权重相当于后悔药 torch.save(model.state_dict(), best_csrnet.pt) best_mae mae几个参数的常规取值要解释清楚。lr1e-4是密度图回归的常见起点比分类任务低很多因为这里是直接回归像素级数值学习率太大会导致 loss 乱跳weight_decay1e-4做轻量正则防止空洞卷积的百万级参数过拟合。batch size 依显存定8 到 32 都试过显存不够就调小输入图分辨率不要硬顶。200 个 epoch 是这类任务的常见上限配合每 10 轮打印一次验证 MAE能清楚看到模型是在收敛还是已经停滞。检测路线的训练更省事用 YOLO 系列自带命令就能跑yolo detect train datacrowd.yaml modelyolov8n.pt epochs120 imgsz640 batch16 lr00.01 patience20imgsz640是训练分辨率小目标多就提到 1280显存占用会翻倍lr00.01是初始学习率配合内置的余弦退火下降patience20表示验证指标连续 20 轮不涨就提前停不用守着训练。yolov8n是 nano 版本参数量小课设环境带得动。训练结束后别急着收工用验证集里误差最大的几张图跑一次可视化确认模型不是靠运气蒙对的。3.4 评估指标MAE 和 MSE 这么算论文里这么写人流量检测的核心指标不是准确率而是计数误差。最常用的是 MAE 和 MSEdef evaluate_mae_mse(loader, model): device next(model.parameters()).device mae mse total 0 with torch.no_grad(): for img, gt in loader: pred model(img.to(device)).sum().item() # 密度图求和 预测人数 gt_count gt.sum().item() # 真实人数 mae abs(pred - gt_count) mse (pred - gt_count) ** 2 total 1 return mae / total, (mse / total) ** 0.5 mae, mse evaluate_mae_mse(val_loader, model) print(fMAE {mae:.1f} / MSE {mse:.1f})MAE 是平均绝对误差反映整体偏差MSE 先平方再开根会把个别误差极大的画面放大所以论文里两个都报。检测路线会额外报 mAP但 mAP 高不代表计数准因为漏检和误检会互相抵消。我的习惯是把测试集按人数分成低密度、中密度、高密度三个子集分别算 MAE这样能定位模型到底在哪种场景失效。测试子集场景说明MAE低密度段画面少于 10 人示例填数中密度段画面 10 到 30 人示例填数高密度段画面 30 人以上示例填数论文里写指标时不要只给一个数字加一句“高密度段误差明显高于低密度段主要原因是遮挡加剧导致漏检”这一段分析能让实验部分立得住。4. 密集人群场景避坑记录5 个踩过的坑4.1 小目标人头漏检远处的头在特征图里只剩一个像素现象测试集里画面远端的人群几乎全被漏掉整体 MAE 比预期高出一大截。把预测结果画出来近处的头框得很准远处的头位置彻底空白。原因目标检测模型普遍做 8 倍以上下采样一个 16x16 像素的头顶在特征图里只剩 2x2 个值信息基本被卷积冲掉。密度图模型如果继续用固定 sigma小头的能量太弱回归值趋近于零。解决检测路线把输入分辨率从 640 提到 1280并开启多尺度预测层密度路线减少前端下采样次数或者用空洞卷积维持特征图分辨率。这两个手段不能根治但能把远端检出率拉回可用水平。论文里把远端场景单独拿出来做“尺度鲁棒性”分析比报一个总 MAE 更有说服力。4.2 严重遮挡导致框合并NMS 把两个人按成一个计数现象两个人在画面里身体重叠、只露出两个头检测结果只输出一个框。实际人数 2模型输出 1人工核查时还说不清错在哪。原因NMS 执行时如果一个低分框和高分框的重叠面积过大低分框会被直接抑制。头贴头时两个框的 IoU 可能超过 0.7后处理默认参数把其中一个当成重复框删掉了。解决把 confidence 阈值从默认 0.25 降到 0.1 到 0.15让更多被压制的低分框活下来更靠谱的是换成 soft-NMS 或 WBF 加权框融合这类后处理在密集目标场景里比单纯调 IoU 阈值有效得多。另外重申主线选择对头挨头级别的遮挡密度图路线天生比检测路线稳定这是我对比实验后反复强调的一点。4.3 透视形变近处一个大头能顶远处五个小头现象相机平拍时近处一个人占 200 像素高度远处只占 20 像素。密度图模型把近处的人预测成一个大能量团远处的人被忽略总人数被低估。原因固定 sigma 的高斯核假设所有人头一样大但透视让真实人头尺度跨度非常大。模型学到的密度峰面积和真实人头面积对不上近处一个峰的能量能覆盖远处好几个头。解决密度图路线改用自适应高斯核sigma 根据当前点和相邻人头距离动态计算人头越密的地方 sigma 越小、峰越锐利。检测路线则开启多尺度训练让模型在训练中见过各种尺度的人头。这步做完高密度段的 MAE 通常能明显降下来而且可视化热力图里近处和远处的峰值响应会均匀很多。4.4 标注质量翻车GT 不贴边模型学到的“人头”是错的现象自己标了 500 张图训练出来的模型在部分场景里把衣领、背包当成人头。把预测框画出来看位置总是偏一个角。原因标注时偷懒点标在肩膀、框松垮垮地包住肩部。模型拟合了一个错误分布人头中心的标签和真实头部区域对不上。这个问题在标注阶段看不出来到训练完才暴露返工成本很高。解决定死一套标注规范再动手。检测标注要求框紧贴头的上下左右边缘密度标注要求点落在头顶中心而不是后脑勺。标完前 50 张先抽样画图自检找同学复核一遍不一致的先改规范再继续。批量转换后也一定要画图抽查不能只看 txt 文件格式对不对。这条如果踩中代价是按千张计的标注时间。4.5 训练震荡不收敛loss 玄学背后是学习率和数据顺序问题现象loss 前 20 轮一直在 0.1 附近抖动验证 MAE 卡在 80 上下不再下降。重新跑一遍结果忽高忽低像开盲盒。原因学习率对回归任务偏大梯度在最优解附近来回震荡数据加载器没有打乱连续多个 batch 都是同一角度的画面梯度方向被带偏。解决把初始学习率降到 1e-5 到 1e-4 区间或者用带 warmup 的调度器前 5 轮线性升到目标学习率。dataloader 打开shuffleTrue让每个 epoch 的数据顺序都不同。还有一条重要习惯训练时每轮都保存当前最优权重等全部跑完再回滚到 best epoch。这个后悔药机制配合 loss 曲线一起看能省掉大量无效重训时间。5. 论文实验怎么组织数据划分、对比表和可视化5.1 数据集划分先定划分方案再写代码防止数据泄漏论文实验部分最容易被质疑的就是数据划分。常见做法是 6:2:2 拆成训练、验证、测试三份。但如果数据是自己采集的视频按帧随机划分会出事同一时刻的相邻帧几乎一模一样模型在训练帧上见过相似画面测试指标虚高答辩时一抽视频帧就露馅。可靠做法是按视频时间顺序切段前 60% 的帧做训练、中间 20% 做验证、后 20% 做测试保证同一时间段的人流不跨集合。使用公开数据集时优先采用官方划分没有官方划分的再按 6:2:2 随机切并固定随机种子。实验记录表至少包含三列数据集名称、划分比例、样本数。这张表放在论文里能让导师第一眼确认实验没有明显泄漏。数据集划分方式训练/验证/测试自采视频A按时间切段600 / 200 / 200 帧ShanghaiTech Part B官方划分如实填写5.2 实验对比表baseline、消融和关键指标缺一不可对比表是实验结果部分的核心。以密度图路线为例表格最少覆盖四条方法直接全局回归、YOLO 检测计数、CSRNet 密度图、你自己的改进模型。指标列建议固定为 MAE、MSE、参数量、FPS。前两个是精度后两个证明你的提升不是靠堆算力换来的。下面给一个占位模板提交前把示例值换成真实跑出来的数字方法MAEMSE参数量(M)FPS全局回归————YOLOv8 检测计数————CSRNet————本篇改进方法————消融实验单独放一个小表每次只改一个因素比如固定 sigma 换自适应 sigma、有空洞卷积换无空洞卷积。这一段写作逻辑是改进前精度差多少加一个模块变好多少每一行都要对应到正文的一句话不要让读者猜这个表在证明什么。5.3 可视化输出密度图叠加图、检测框画法与视频截图论文需要两组可视化检测路线的画框图、密度路线的热力图。密度图可视化用 matplotlib 叠加简洁代码如下import matplotlib.pyplot as plt fig, axes plt.subplots(1, 3, figsize(15, 5)) axes[0].imshow(img) # 原图 axes[0].set_title(Input) axes[1].imshow(gt_density, cmapjet, alpha0.6) # 真实密度图 axes[1].set_title(Ground Truth) axes[2].imshow(pred_density, cmapjet, alpha0.6) # 预测密度图 axes[2].set_title(Prediction) plt.savefig(density_vis.png, dpi200, bbox_inchestight)cmapjet是密度图论文里最常用的色带红到蓝对应高密度到低密度alpha0.6让热力图半透明叠加在原图上位置关系一眼能看清dpi200保证放进论文不糊。保存时横排三张图按同一坐标尺度裁剪方便盯着同一区域对比。检测框的画出直接调用模型自带绘图接口记得在每张图左上角标出预测人数答辩老师第一眼看的往往就是这个数字。视频可视化比单图更有冲击力抽一段测试视频的 30 帧连续标出每帧的预测人数画成时间折线图再叠上人工标注的真实人数。时间序列对比比单张图更容易让评委相信你的模型是连续稳定的而不是挑了几张简单的图来演示。5.4 实验记录与可复现固定随机种子和保存训练配置论文写到最后最怕的是补实验时发现复现不了当初的数字。常见原因是训练时没有固定随机种子或者数据加载顺序每次都不一样。在训练脚本顶部加上import random import numpy as np import torch random.seed(42) np.random.seed(42) torch.manual_seed(42) torch.cuda.manual_seed_all(42)固定随机种子之后同一份代码和同一份数据集每次跑出来的指标在误差范围内一致这会给论文增加可信度。另外把每次实验的训练命令、数据划分比例、最优权重路径一起存进一个 txt 文件和实验结果表放在同一级目录。毕设周期长达几个月回来续跑的时候最怕忘了当初用的是什么参数。这个习惯省掉的返工时间比任何调参技巧都多。6. 把模型从论文跑到真实场景验证方法和一个实用技巧论文实验做完最后一步是证明模型真实可用。我最常用的验证手段是视频抽帧测试找一段监控或手机拍的走廊视频每秒抽一帧逐帧跑模型把每帧人数连成一条时间线和人工数出的结果对比。抽帧间隔不要小于 10 帧否则相邻画面高度相似测出来的指标虚高。但如果要验证模型稳定性连续帧测试反而更好能看出预测人数有没有来回跳。两种抽法配合用一个测精度一个测稳定性。测推理速度时记得先 warm up模型前几次推理包含显存分配和算子预热直接计时会把 FPS 算低import time for _ in range(10): # 预热让算子完成初始化 _ model(img) t0 time.time() for _ in range(100): # 正式计时 _ model(img) fps 100 / (time.time() - t0) print(fFPS: {fps:.1f})如果 FPS 不够用最实用的技巧是把模型切到半精度推理PyTorch 里通过model.half()和输入张量.half()两行代码就能开启显存占用几乎减半速度有明显提升。这不改变计数逻辑但足以让演示时候画面不卡顿。需要留意的是半精度在部分旧显卡上精度会有损失切换后重新跑一遍验证集 MAE误差放大超过 5% 就退回单精度。最后说一个个人习惯每次跑完一组实验把训练命令、数据划分、最优权重路径一起存进一个 txt 文件。毕设周期跨越好几个月中间穿插课程和实习回来继续实验时最怕的就是忘了当初用什么参数跑出的结果。这个习惯帮我省下的返工时间比任何调参技巧都多。这个方向的技术不算新但依然值得投入希望这些经验能帮到你在毕设和课设里少踩几个坑。本文还有配套的精品资源点击获取
