《Pattern Recognition》：Count2Density: Crowd density estimation without location-level annotations
编辑推荐：
【推荐语】人群密度估计通常依赖费时费力的精细位置级标注。本研究提出Count2Density，一种仅需计数级标注即可预测包含定量空间信息密度图的新流程。该方法利用历史地图库生成伪密度图，并结合自监督对比空间正则化器提升模型空间感知能力。实验表明，本方法在多个数据集上显著超越跨域适应方法，在半监督设定下优于当前最优方法，有效降低了标注成本，实现了子区域计数，为实际应用扫除了标注障碍。
在熙熙攘攘的城市广场、繁忙的交通枢纽或大型活动场馆，准确统计人群数量并了解其分布情况，对于公共安全、交通管理和商业分析至关重要。这就是计算机视觉领域中的“人群密度估计”任务——其目标不仅仅是数出图片中有多少人，更是要生成一张能反映人群空间疏密分布的“密度图”。想象一下，如果安保人员能实时看到一张热点图，清晰显示哪里人群最密集，就能提前预警和疏导，防范踩踏等安全事故。然而，训练出能准确预测这种密度图的AI模型，传统上需要海量的、极其精细的标注数据：标注员必须在图片中每个人的头顶上精确地标记一个点。这种“位置级标注”工作枯燥、耗时且成本高昂，严重阻碍了相关技术在实际场景中的大规模应用。
为了降低标注负担，研究者们尝试了多种方法。例如，半监督方法只需要部分图片有精细标注；跨域适应方法则在一个有完整标注的“源”数据集上训练模型，然后尝试让它适应另一个没有标注的“目标”场景。但这些方法依然无法完全摆脱对精细标注的依赖。另一种思路是回归方法，模型只学习预测图片中的总人数。虽然这避开了位置标注，但模型无法输出密度图，也就失去了空间分布信息，无法回答“广场东侧比西侧人多多少”这类子区域计数问题。因此，如何在仅知道图片总人数（这种“计数级标注”更容易获取，例如来自票务系统或闸机数据）的情况下，训练出能生成有意义密度图的模型，成为了一个亟待突破的难题。
来自意大利卡塔尼亚大学的研究团队在《Pattern Recognition》上发表论文，提出了名为Count2Density的创新性流程，旨在攻克这一难题。他们的核心目标是：仅使用计数级标注进行训练，直接预测出包含定量空间信息的密度图。这意味着，模型训练时只需要知道一张图里大概有多少人，而无需知道每个人具体站在哪里，却能学会推断出人群最可能聚集在哪些区域，并生成相应的密度分布图。这不仅极大降低了数据标注的成本和门槛，还保留了进行子区域精细分析的能力，为人群密度估计技术的实用化开辟了新路径。
关键技术方法概览
Count2Density的核心是通过“自产自销”的方式，从计数中挖掘空间信息。其流程主要包含三个关键技术模块：1) 基于历史地图库的伪密度图生成：模型维护一个“历史地图库”，存储每张训练图片过去预测的密度图的指数移动平均值。训练时，根据当前计数标签，以历史地图为概率先验，采样相应数量的位置点，生成一张“伪密度图”作为自我监督的目标。2) 指数移动平均更新：历史地图库通过指数移动平均策略（公式(2)）迭代更新，以缓解模型自我训练中常见的“确认偏差”问题。初始时，利用无监督显著性估计算法（如BAS-Net）为地图库提供初始空间先验。3) 自监督对比空间正则化：为了提升模型对空间结构的感知，额外引入一个对比损失（公式(3)）。该损失鼓励模型将特征图中被识别为人群区域的特征拉近，同时将其与背景区域的特征推远，从而学习到更具判别性的空间特征表示。总损失函数为密度图损失与对比损失之和（公式(4)）。研究在多个主流人群计数数据集上进行了评估，并适配了多种不同的骨干网络架构（如NCC, BL, GL, MAN）以证明其通用性。
研究结果与发现
1. 与现有方法的综合性能比较
研究人员在UCF-QNRF、ShanghaiTech Part A/B、JHU-CROWD++、NWPU-Crowd等多个大型公开数据集上，将Count2Density与全监督、半监督、跨域适应等多种前沿方法进行了全面比较。结果显示：
- •
在仅使用计数级标注的设定下，Count2Density显著优于现有的跨域适应方法。例如，在UCF-QNRF数据集上，其MAE（平均绝对误差）比最好的跨域方法BLA降低了49.1（从198.3降至149.2）；在ShanghaiTech Part A上，MAE降低了7.8（从99.3降至91.5）。
- •
在半监督设定下（即仅使用5%或10%的计数标注），Count2Density同样表现出色，其性能超越了大多数需要部分位置级标注的半监督方法，在多个数据集上取得了最优或次优的结果。例如，使用10%计数标注时，在JHU-CROWD++和NWPU-Crowd数据集上的MAE分别达到60.9和99.7，展示了其从极少量监督信息中学习空间分布的能力。
2. 各组件有效性的消融分析
通过系统的消融实验，论文验证了Count2Density中每个核心组件的贡献：
- •
历史地图库与伪密度图生成：移除此模块会导致性能大幅下降，证明了从计数生成伪密度图这一自监督机制对于检索空间信息至关重要。
- •
自监督对比空间正则化器：加入该正则化器后，模型在所有数据集上的性能均得到一致提升，表明其能有效增强模型对人群与背景区域的区分能力，学习到更稳健的空间特征。
- •
历史地图库的初始化：实验比较了使用不同无监督显著性估计算法（BAS-Net, SSAV）初始化地图库的效果，以及不进行初始化的随机情况。结果表明，使用BAS-Net进行初始化能带来最佳性能，为训练提供了一个良好的空间先验起点。
3. 对噪声计数标注的鲁棒性分析
考虑到实际应用中计数级标注可能存在误差，论文专门测试了Count2Density在标注噪声下的鲁棒性。通过在训练标签中人工注入不同比例（±5%， ±10%， ±20%）的随机噪声，发现模型在噪声比例不超过20%时，性能下降在可接受范围内，甚至在某些情况下仍能与现有方法持平。这表明Count2Density对小幅度的标注噪声不敏感，因为其伪密度图是基于学习到的概率先验生成，而非依赖于精确的点位。
4. 定性结果与可视化
论文提供了丰富的定性结果对比图。可视化显示，Count2Density生成的密度图能够清晰地聚焦于人群密集区域，与真实密度图在空间分布上具有较高的一致性。同时，通过对预测密度图进行区域积分，可以准确实现子区域的人数统计，验证了其输出密度图的“定量空间信息”是真实可用的。
结论与意义
本研究提出的Count2Density，为人群密度估计领域提供了一个全新的、高效的训练范式。其最重要的贡献在于，成功地将模型训练所需的标注粒度从昂贵的“位置级”降低到了易于获取的“计数级”，同时克服了传统回归方法丢失空间信息的缺陷，能够生成可用于子区域分析的、有意义的密度图。通过巧妙地结合历史地图库生成伪标签和自监督对比学习增强空间感知，模型实现了从计数中“无中生有”地推断出空间分布信息。
这项工作的意义深远。首先，它极大地缓解了数据标注的瓶颈，使得构建大规模、多样化的人群数据集变得更加可行，有助于推动更鲁棒、更通用的人群分析模型的发展。其次，它为许多实际应用场景（如利用已有的粗略客流统计数据进行模型训练）铺平了道路，加速了人群密度估计技术从实验室走向真实世界的部署。最后，其核心思想——利用弱监督信号和自监督机制来生成结构化训练目标——也为计算机视觉中其他需要密集预测但缺乏精细标注的任务提供了有价值的参考。
总之，Count2Density不仅在多个标准数据集上取得了领先的性能，更重要的是，它确立了一种仅依赖计数级标注进行密度估计的新范式，为降低AI应用门槛、解决实际痛点提供了有力的技术方案。
