人头检测算法,人流量统计，人头计数
人头检测在安防监控中是比较常用的功能，而公交车、商场或者大型场馆的拥挤人群计数的精准性也非常重要。
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。
目前算法实现效果图
模型精度
| 输入 | 模型大小 | 模型精度(MAP) | Recall | 模型速度 |
| 640*640 | 28M | 92% | 93% | 20ms |
模型吞吐量
| Batch_Size | 显存占用 | GPU利用率 | 吞吐量（每秒） |
| 64 | 8.3G | 85% | 600张 |
测试硬件：2080Ti