El conteo de multitudes se conoce como el acto de contar la multitud total presente en un área determinada. Las personas que se encuentran en un área determinada se denominan multitud . El método más directo es contar realmente a cada persona de la multitud. Por ejemplo, los torniquetes se utilizan a menudo para contar con precisión la cantidad de personas que ingresan a un evento. [1]
Desde principios de la década de 2000, se ha producido un cambio en la interpretación de la frase “conteo de multitudes”. Tras pasar de un método de conteo de multitudes más simple a uno de conglomerados y mapas de densidad, se han producido varias mejoras en los métodos de conteo de multitudes. El conteo de multitudes también se puede definir como la estimación del número de personas presentes en una sola imagen. [2]
Debido al rápido progreso de la tecnología y al crecimiento de las CNN (redes neuronales convolucionales) durante la última década, el uso de CNN en el conteo de multitudes se ha disparado. Los métodos basados en CNN se pueden agrupar en gran medida en los siguientes modelos diferentes: [3]
La técnica más común para contar multitudes en protestas y manifestaciones es el método de Jacobs, llamado así por su inventor, Herbert Jacobs . El método de Jacobs implica dividir el área ocupada por una multitud en secciones, determinar un número promedio de personas en cada sección y multiplicarlo por el número de secciones ocupadas. Según un informe de Life's Little Mysteries , las tecnologías que a veces se utilizan para ayudar a tales estimaciones incluyen "láseres, satélites, fotografía aérea, sistemas de cuadrícula 3D, material de video grabado y globos de vigilancia, generalmente atados a varias cuadras alrededor de la ubicación de un evento y volando de 400 a 800 pies (120 a 240 metros) por encima". [2]
Este método de recuento de multitudes implica el uso de una regresión de las características globales de la imagen para toda la imagen. Las características globales de la imagen se refieren a las diferentes propiedades de ciertas áreas de la foto. Por ejemplo, las características globales de la imagen incluyen “representaciones de contornos, descripciones de formas, características de textura”. [4]
Como no se tiene en cuenta la información de distribución de los objetos, la localización de los objetos no se puede procesar mediante regresiones. [5] Además, como este modelo estima la densidad de la multitud en las descripciones de los patrones de la multitud, ignora los rastreadores individuales. [2] Esto permite que los modelos basados en regresión sean muy eficientes en imágenes abarrotadas; si la densidad por píxel es muy alta, los modelos de regresión son los más adecuados.
Los métodos anteriores de recuento de multitudes empleaban modelos de regresión clásicos. [6]
Los mapas de densidad de objetos se basan en la búsqueda del número total de objetos ubicados en un área en particular. Esto se determina mediante la suma integral del número de objetos en esa área. [5] Debido a que los valores de densidad se estiman a través de valores bajos, el conteo basado en la densidad permite al usuario experimentar las ventajas de los modelos basados en regresión junto con la localización de la información. [5] La localización de la información se refiere al acto de mantener la información de ubicación.
Para utilizar los modelos mencionados anteriormente de manera eficiente, es importante contar con una gran cantidad de datos. Sin embargo, como usuarios, estamos limitados a datos limitados, es decir, la imagen original. Para compensar estos problemas, empleamos trucos como el recorte aleatorio. El recorte aleatorio se refiere al acto de elegir aleatoriamente ciertas subimágenes de la imagen original existente.
Después de realizar varias iteraciones de recorte aleatorio, las subimágenes se introducen en el algoritmo de aprendizaje automático para ayudar al algoritmo a generalizar mejor.
Para abordar los problemas asociados con el recuento de multitudes en áreas con alta densidad de población, se pueden emplear métodos de recuento basados en la densidad. Estas pirámides de imágenes se emplean generalmente para el recuento de multitudes en lugares donde las personas se reúnen para realizar rituales o practicar sus creencias religiosas. Esto se debe a que hay diferentes escalas de personas en diferentes lugares dentro de la imagen.
Sin embargo, como el uso de los algoritmos necesarios para las pirámides de imágenes es muy costoso, depender de estos métodos es financieramente inestable, por lo que pueden utilizarse modelos de fusión profunda. [7]
Estos modelos de fusión profunda emplearán “redes neuronales para promover la precisión de la regresión del mapa de densidad”. [8] Estos modelos primero marcarán la ubicación de cada civil dentro de la imagen. Luego, los modelos decidirán los mapas de densidad del área utilizando la “ubicación, la forma y la distorsión de la perspectiva del peatón”. [8] Como hay muchas iteraciones del algoritmo y procesos de escaneo en curso, la cantidad de personas se cuenta a través de la cabeza de la persona. Esto también se debe a que habrá muchas instancias en las que los cuerpos de los civiles se superpondrán entre sí.
El recuento de multitudes desempeña un papel importante en la “seguridad pública, el lenguaje ensamblador y la videovigilancia” [9] , entre muchas otras cosas. Sin control de multitudes, debido a una mala planificación, pueden ocurrir varios accidentes terribles. Algunos de los más notables son el desastre de Hillborough que tuvo lugar el 15 de abril en Inglaterra. Otro incidente memorable ocurrió cuando Louis Farrakhan amenazó con demandar a la Policía de Parques de Washington, DC por anunciar que solo 400.000 personas asistieron a la Marcha del Millón de Hombres de 1995 que él organizó.
En los eventos que se llevan a cabo en la calle o en un parque, en lugar de en un recinto cerrado, el recuento de la multitud es más difícil y menos preciso. En muchos eventos, especialmente en manifestaciones o manifestaciones políticas , el número de personas en una multitud tiene importancia política y los resultados del recuento son controvertidos . Por ejemplo, en las protestas mundiales contra la guerra de Irak hubo muchas protestas con recuentos muy diferentes ofrecidos por los organizadores de un lado y la policía del otro.