一、人群计数相关论文和代码

基于YOLOv5算法的人群目标计数方法研究

论文：基于YOLOv5算法的人群目标计数方法研究 英文名：Research on Crowd Target Counting Method based on YOLOv5 Algorithm 刊物：ICMLCA 2021 发表时间：20211217

摘要：

随着社会活动的加剧，公共管理和公共安全迎来了巨大的挑战。针对人工守卫容易忽略异常事件的问题，本文设计了一种基于YOLOv5的人群计数算法（YOLOv5-AT），将注意力机制引入检测网络，增强对图像中小目标的特征学习。特征图重组方法用于增强特征信息的丰富度，从而提高群体检测的准确性。实验结果表明，与YOLOv5相比，人员编号检测任务的MAE和RMSE分别降低了38.6和41.7。该算法在保证检测实时性的同时，有效提高了检测精度

基于YOLOv5+DeepSORT的行人检测与计数方法

论文：基于YOLOv5+DeepSORT的行人检测与计数方法 英文名：Pedestrian detection and counting method based on YOLOv5+DeepSORT 刊物：计算机科学、第四届电力电子与控制工程国际研讨会（ISPECE 2021） 发表时间：2021年11月29日 github地址：https://github.com/zengwb-lx/yolov5-deepsort-pedestrian-counting 网页讲解：YoloV5 + deepsort + Fast-ReID 完整行人重识别系统（三）

摘要：

为缓解疫情蔓延，大部分公共场所已开始限制出行次数[1]。因此，本文提出了一种基于YOLOv5和DeepSORT的行人计数方案，用于多目标检测和跟踪。利用coco数据集训练出来的网络权重，结合YOLOv5检测器和DeepSORT跟踪器，对行人进行检测和跟踪，计算出进出人数，从而实现对人数的控制

论文中的图片：

这个图片在B站的项目中看过，可能是一篇论文出来的？ B站中的视频 代码安装运行介绍 - B站视频 - win10版本 yolov5 deepsort 行人 车辆 跟踪 检测 计数 2022-03-02 git源码地址 - B站视频 - win10版本 yolov5 deepsort 行人 车辆 跟踪 检测 计数 2022-03-02 楼梯电梯场景计数效果展示 - B站视频 - 基于YOLOV5的行人检测与跟踪识别计数 2021-04-17（没有源码、有视频地址）

车厢内人群计数，用到yoloV5

论文：基于CNN的城市轨道交通列车客流智能监控系统设计与实现 英文名：Design and Implementation of Urban Rail Transit Train Passenger Flow Intelligent Monitoring System Based on CNN 刊物：2021年智能计算、自动化与系统国际会议（ICICAS） 发表时间： 2021 年 12 月 29 日

摘要：

城市轨道交通列车视频监控系统为乘客提供安全保障。通过分析视频监控系统的发展需求，设计了列车客流监控系统的整体架构。通过对比不同卷积神经网络（CNN）在客流监测中的实现方案，分析列车客流数据的价值及其应用场景，阐明了研究客流监测系统的可行性和必要性。

无人机人群计数数据集

论文：VisDrone-DET2021：愿景与无人机目标检测挑战结果相遇 英文名：VisDrone-DET2021: The Vision Meets Drone Object Detection Challenge Results 刊物：IEEE/CVF International Conference on Computer Vision (ICCV) Workshops, 2021 发表时间：2021

摘要：

无人机上的目标检测面临着各种各样的挑战，例如小目标推断、背景杂波和宽视点。与计算机视觉中的传统检测问题相比，由于天空视图中的特殊物体纹理，鸟类角度的物体检测不能直接从常用方法移植。然而，由于缺乏全面的数据集，很少有算法专注于对无人机捕获的数据进行人群计数。为此，我们收集了一个大规模的数据集，并结合 IEEE 国际计算机视觉会议 (ICCV 2021) 组织了 Vision Meets Drones: A Challenge (VisDrone2021)，以促进相关领域的发展。收集的数据集由 3190 张图像组成，其中 1610 张用于训练，1580 张用于测试。具体来说，团队需要预测十个预定义类别的对象的边界框。我们收到了许多团队使用不同方法的结果，本文介绍了前 10 名团队的方法。我们提供了对评估结果的详细分析并结束了挑战。更多信息可以在网站上找到：http://www.aiskyeye.com。

二、训练自定义数据

参考资料： https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data https://docs.ultralytics.com/tutorials/train-custom-datasets/

制作属于自己的数据集

参考资料：【Roboflow】强大工具：一键生成voc、coco、yolo、csv等格式的数据集 使用工具：roboflow 注意事项：

• 需要翻墙
• 有的数据集有人上传了，直接用就可以

原文：

【Roboflow】强大工具：一键生成voc、coco、yolo、csv等格式的数据集 撞击坑死你 于 2022-02-26 20:08:45 发布

最近在用yolov5训练测试自己的数据集，下载的是西班牙 Ultralytics 公司发布的官方版本，发现要用yolo 格式的数据集。网上也有一些vco转yolo格式的教程，但是觉得麻烦，因此给大家推荐一个比较全能的网站用于一键制作voc、coco、yolo等格式的数据集。 点击页面上的 “Train Custom Data” 按钮，进入该页面，下拉到第一条 “1.Create Dataset” 处，点击 “Roboflow” ,进入其官网。 值得注意的是，该网站应该是需要翻墙的。因此，使用之前，请打开电脑上的翻墙工具。 1.点击 “Developers” 菜单下的 “Public Dataset” ， 进入以下页面。 2.可以看到他人已经上传公开的数据集，有需要数据集的也可以在这里找到下载。点击 “Your Datasets” ，进入自己的用户页面。第一次登陆的童鞋要注册嗷~

3.在这里，我们首先要创建自己的项目，上传图片，就可以为自己的图片做annotations。当然，我们一般都有了图片和annotations文件夹，因此，可以点击上传自己的images和annotations文件夹。之后，可以选择自动划分train、val和test比例。最后点击 “Generate” 生成数据集。最后，点击 “Export” ,在弹窗中选择自己所需要的格式，这里我选的是 “Yolov5 pytorch”，最后点击 “Continue” 按钮,即可下载对应格式的数据集。 4.如图，即是下载得到的yolov5 pytorch格式的数据集，就可以在yolov5模型上进行训练和测试了。亲测有用。 写这篇文章的目的，就是希望能在数据集制作方面节约时间和精力。如果有用，请点个赞吧。十分感谢！再次提醒一下，需要翻墙情况下使用嗷~