那場演唱會是5,000人還是15,000人?問三個人你會得到三個答案。人工人群估算通常偏差50%到300%,而活動周圍的政治利害關係使準確度更難以信任。
人群計數對安全、收入和合規至關重要,但它仍然是人類面臨的最困難的計數問題之一。我們的大腦在估算大型群體方面表現出奇地差。AI人群計數工具採用不同的方法:處理一張照片或影片串流,回傳一個數字,每次都是相同的數字。以下是這項技術的工作原理以及活動管理者如今的使用方式。
為什麼人工人群估算會失敗
人類大腦善於比較數量,比如判斷超市哪條隊伍最長。但它在計數方面確實很差。認知科學家指出,一旦群體超過大約4人,我們就停止計數而開始估算。人群越大,這些估算就越不準確。
Full Fact對人群計數的研究發現,估算之間的巨大差異是常態而非例外。在2023年倫敦的一次遊行中,組織者報告有800,000名參與者,而警方估計為300,000人。2025年雪梨的一場集會中,警方計數為90,000人,而組織者聲稱高達300,000人。即使是經驗豐富的觀察者也難以區分每平方公尺兩人和四人,這個差異會使總計數翻倍。
傳統的估算方法,即1960年代的Jacobs方法,包括計算樣本網格中的人數、計算平均密度並乘以總面積。它比猜測好,但仍依賴於均勻人群分布的假設,這在實踐中很少成立。
AI人群計數的工作原理
AI人群計數使用電腦視覺來偵測和計算影像中的個別頭部或身體。該過程有兩種主要方法。
基於偵測的計數 逐一識別每個人,在每個偵測到的頭部上放置一個標記。這適用於數千人以下的人群,在影像中個人仍可辨識。它提供計數和視覺地圖,精確顯示誰被計數了。
密度估算 通過預測影像每個區域有多少人來處理更大的人群,而不識別個人。模型生成密度圖,即較亮區域表示更多人的熱力圖,並將數值加總產生總數。這種方法可擴展到單幀數萬人。
像SmartSport這樣的現代系統結合了兩種方法與大型語言模型,生成可執行的管理報告。在基準測試中,SmartSport對體育設施人群的計數準確率達到93.8%,而領域專家對其AI生成的管理建議在實用性方面評分為4.2/5.0。
活動管理者在哪裡使用人群計數
過度擁擠已在全球場館造成致命事件。即時人群密度監測在區域接近容量上限變得危險之前發出警報。
準確的出席人數用於票務核對、餐飲規劃和贊助商報告。20%的低估意味著明年贊助談判中少了20%的談判籌碼。
商店和購物中心使用頭頂攝影機按小時計數訪客、測量停留時間並評估促銷效果,無需人工計數器。
火車站、機場和公共廣場使用人群計數來管理人流、調整人員配置,並在密度超過安全閾值時觸發警報。
即時計數與照片計數的比較
照片計數從單張影像工作。上傳一張人群照片,獲得計數。這對事後分析很有用:昨晚的演唱會有多少人參加,中午廣場有多擁擠,集會來了多少人。
即時計數處理連續的影片串流。安裝在場館入口或頭頂架上的攝影機在人們進出時計數,維持一個持續更新的總數。像ArenaIQ (2026) 這樣的系統結合了即時密度監測和預測模型,可預測體育場各區域的排隊高峰和人員需求。
選擇取決於使用場景。活動事後回顧和保險理賠需要照片分析。安全合規和現場營運需要即時串流。
隱私和倫理考量
人群計數引發了正當的隱私問題。好消息是:大多數計數系統不需要識別個人。基於偵測的模型計算頭部而不識別面孔,密度估算完全基於聚合模式運作。
最佳實踐是在設備上或安全伺服器上處理影像,僅保留計數和密度圖而非原始影片,並向參與者明確溝通監測做法。當計數用於安全目的時,理由很直接。當用於監控或抗議記錄時,倫理考量會發生重大變化。
總結
人工人群估算本質上是不可靠的。AI人群計數提供一致、可重複的數字,不會因為誰在估算或他們希望答案是什麼而改變。這項技術已從學術研究發展為活動管理者、安全團隊和場館營運者每天使用的實用工具。
下次需要出席人數時,跳過猜測。一張俯拍照片和一個AI計數工具就能給你一個每次都經得起檢驗的答案。