论文《Body Structure Aware Deep Crowd Counting》
IEEE TRANSACTIONS ON IMAGE PROCESSING
创新点：从语义场景分析作为出发点，进行人群计数；包含三个关键因素：行人，头部和他们地上下文结构（context structure）；行人的语义结构可以提供更丰富的信息用于行人识别；
解决问题：现存的方法，大多是直接模拟行人的整个身体或者只有头，没有准确地捕捉复合地身体部位语义结构信息（composite body-part semantic structure imformation）
提出方法：我们首先阐述了作为语义场景模型的人群计数的关键因素；然后将人群计数问题转换为多任务学习问题，使语义场景模型分成三个不同的子任务；最后，将深度卷积神经网络运用到一个统一的模式学习子任务，在一个统一的方案中，解决了特征提取和多任务人群计数问题。；
方法性能：在四个人群计数数据集的benchmark上都有很好的性能，语义结构信息在人群计数的场景中会是一个高效的线索；
两类语义场景模型
第一个语义场景模型——
body part map
模拟了行人身体部位的视觉外观和上下文结构；在这个模型中，不同的行人身体部位被阐述为不同的语义类别；
基于
single pedestrian parsing model(参考论文【1】)：属于预训练神经网络模型，计算一个输入行人图像的语义分割mask；
第二个语义场景模型——
structured density map
作为传统密度图的改进，结构化密度图旨在建模更细粒度的语义结构信息，从而提供更精确的像素级标签。
总结：
这两种语义场景模型，对群体计数的语义特征进行编码，并从群体图像中恢复了丰富的语义结构信息。
Multi-task learning
为了准确估计行人的数量，我们重新制定了群体计数作为一个多任务学习的问题。
三个子任务：推断两种语义场景模型；估计人群总数；
Related Work
A.Crowd Counting
B.Pedestrain Semantic Analysis
与直接检测整体行人不同的是，基于部分的方法
（parts-based methods）
利用了行人身体结构的信息，能够更有力地处理遮挡物。
与传统的基于部分的方法不同，我们将行人的
身体部分语义结构
作为我们方法中的语义场景模型，更适合于在深层神经网络框架下学习，在密集的拥挤场景中更有效、更健壮。
C.Convolutional Neural Networks
使用FCN；（MCNN也是使用FCN的方法）
OUR APPROACH
A.Problem Formulation
B.Body Part Map
C.Structured Density Map
- 2D Gaussian kernels:
- structured densty map:
- 结构化密度映射与传统密度映射的区别：
D.Multi-Task Crowd Counting Framework
网络具体参数及布局见paper page5;
EXPERIMENTS
CONCLUSION
提出一个新方法用于人群计数，方法主要关注于人群计数的语义信息；
构建了两个语义场景模型恢复图像中的大量语义结构信息；
将人群计数问题阐述为多任务学习问题，使语义场景模型分为三个子任务；
构建CNN于一个统一的模式中用于学习子任务；
Reference：
论文【1】：P. Luo, X. Wang, and X. Tang, “Pedestrian parsing via deep decompositional network,” in Proc. IEEE ICCV, Dec. 2013, pp. 2648–2655.
对论文的理解较为浅显，尚未实现论文方法效果，以及与更多方法比对结果，后续补充（先立在这: ）