快速精准的人头检测，代码已开源
看起来还是不错的！
人头检测在视频监控中非常重要，而公交车、商场或者大型场馆的拥挤人群计数则是其重要应用场景。
算法思想
作者称拥挤人群计数目前主要有两种实现路径：
1.使用回归的算法思路，直接根据图像回归出拥挤人群密度热图，它的缺点是只能得到场景整体的一个拥挤指数，不能获知人群个体的具体位置，而且这种方法对图像分辨率很敏感。（52CV君曾经分享过：尺度不变网络提升人群计数性能（附Github地址））
2.使用目标检测的方法，比如直接使用Faster RCNN检测人，检测后数目标为“人”的个数。这种方法的缺点是在人物相互遮挡的情况下往往性能较差，而人群越拥挤相互遮挡的可能性越大，导致算法使用受限。
该文作者希望设计更有针对性的精准的人头检测，实现更加精准的人群计数。
作者创新的两点，轻量级人头检测网络和anchors尺度的选择。
网络架构：
从上图可知，网络的前半部分是VGG16特征提取网络，经过一次卷积，然后分开分别使用1*1卷积进入Regression head（用于回归人头的位置信息）和Classification head（用于分类是否为人头）。
在检测网络中，anchors是很重要的概念，是一组预定义的包围框，在对象检测系统中预测尺度和位移。作者认为普通目标识别中anchors的尺度定义过大，应该根据“有效感受野”（effective receptive field）的思想，减小尺度（直观上“人头”目标比“人体”目标也要小）。
实验结果
作者在BRAINWASH数据库上做了实验，打败了三个基线算法，并取得了与最好结果算法“可比较“的性能。
提出的算法比较快，使用Quadro M1000M显卡（仅有512 CUDA核心）速度达到5fps，使用Jetson TX2（仅有256 CUDA核心）速度1.6fps。相比以往算法更加适合于嵌入式边缘计算平台。
论文地址：
https://arxiv.org/abs/1809.08766v1
代码地址：
https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector