Se sabe que el conteo de multitudes es el acto de contar la multitud total presente en un área determinada. A las personas que se encuentran en un área determinada se les llama multitud . El método más directo es contar 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, ha habido un cambio en la comprensión de la frase “recuento de multitudes”. Habiendo pasado de un método de conteo de multitudes más simple al de conglomerados y mapas de densidad, existen varias mejoras para 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 CNN (red neuronal convolucional) 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 mítines 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 multiplicar por el número de secciones ocupadas. Según un informe de Life's Little Mysteries , las tecnologías utilizadas a veces para ayudar a tales estimaciones incluyen "láseres, satélites, fotografías aéreas, sistemas de cuadrículas tridimensionales, secuencias de vídeo grabadas 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) de altura." [2]
Este método de conteo de multitudes implica el uso de regresión de las características globales de la imagen en 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 de la imagen global 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 objetos no se puede procesar mediante regresiones. [5] Además, como este modelo estima la densidad de la multitud a partir de descripciones de patrones de multitudes, 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 conteo de multitudes empleaban modelos de regresión clásicos. [6]
Los mapas de densidad de objetos se basan en encontrar el número total de objetos ubicados en un área particular. Esto está determinado por 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 recuento 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 información se refiere al acto de mantener información de ubicación.
Para poder utilizar los modelos mencionados de manera eficiente, es importante tener una gran cantidad de datos. Sin embargo, como usuarios, estamos atrapados con 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 generalizarse mejor.
Para abordar los problemas asociados con el conteo de multitudes en áreas de alta densidad, se pueden emplear métodos de conteo basados en la densidad. Estas pirámides de imágenes se emplean generalmente para contar multitudes en lugares donde la gente se reúne para realizar rituales o practicar sus creencias religiosas. Esto se debe a que hay diferentes escalas de personas en diferentes ubicaciones dentro de la imagen.
Sin embargo, como emplear los algoritmos necesarios para las pirámides de imágenes es muy caro, depender de estos métodos resulta financieramente inestable. Como resultado, pueden estar involucrados 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 marcarán primero la ubicación de cada civil dentro de la imagen. Luego, los modelos decidirán los mapas de densidad del área utilizando la "ubicación, forma y distorsión de perspectiva del peatón". [8] Como hay muchas iteraciones del algoritmo y procesos de escaneo que se llevan a cabo, el número de personas se cuenta a través de la cabeza de la persona. Esto también se debe a que habrá muchos casos en los que los cuerpos de los civiles se superpondrán entre sí.
El conteo de multitudes juega un papel importante en “la seguridad pública, el lenguaje ensamblador y la videovigilancia” [9], entre muchas 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 sólo 400.000 personas asistieron a la Marcha del Millón de Hombres de 1995 que él organizó.
En eventos en la calle o en un parque en lugar de en un lugar cerrado, el recuento de multitudes es más difícil y menos preciso. Para muchos eventos, especialmente mítines o protestas políticas , el número de personas en una multitud tiene importancia política y los resultados del conteo son controvertidos . Por ejemplo, las protestas globales contra la guerra de Irak tuvieron muchas protestas con recuentos muy diferentes ofrecidos por los organizadores de un lado y la policía del otro.