人体检测、目标检测、人群密度估计数据集

nonParam.zip

密度估计是数理统计中重要的研究方向之一,在经济学、社会学以及大数据处理等领域有着广泛的应用,核密度估计方法以其简单易操作而备受关注。论文将基于MATLAB软件研究核密度估计方法,通过数值实验对比分析核估计方法关键参数选取对估计效果的影响。其研究结果将为大数据处理提供更加广泛的理论依据。

共三个方法：尤勒沃克方程，Levinson-Durbin快速递推，Burg算法

人流密度估计作为一种有效的人群监测、控制和行为理解方法，得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低，容易造成密集场景人流估计不准确。为此，文中提出了一种基于深度的卷积神经网络（CNN）人群密度估计方法，利用典型的深层网络Googlenet 和VGGnet进行了方法改进。通过采用一个包括18个拥挤景区密集场景、超过160 K密度的注释图像数据集进行的实验测试结果表明，该方法的平均准确率为92.46%，与GLCM-SVM方法进行对比的结果也充分证明了该方法的优越性。

一份文件是介绍用R语言中如何利用核函数估计密度函数及其各阶导数的方法，是比较新的文献，2015年的，里面介绍了7种窗宽的确定方法以及R程序

密度 N维密度估计

海杂波分布建模：核密度估计方法

核密度估计算法背景建模。有成功运行的代码和测试视频。有算法讲解论文

该资源为人群计数c++实现，深度框架为caffe，网络模型文件为SaCNN，可对图片和视频进行人群计数，需要安装caffe和opencv库，内有makefile,可直接使用！