随着社会经济的快速发展,人们的集体活动也不断地增多,因人群拥塞导致人群踩踏事件也时而发生。因此,能够对公共场所的人群做出准确的估计,以防止危险事件的发生就成为了智能视频监控系统研究领域的重要任务。随着计算机视觉技术研究的不断发展,人群计数的准确度也有了明显的提高,而在实际的应用中仍然存在许多挑战。所谓人群计数是通过提取人群的分布特征进行分析计算,通过深度学习图像与图像密度图之间的映射关系,进而达到人群密度估计的效果。人群计数研究主要存在两方面挑战,一是在实际的图像集中存在的多尺度特征不能被准确提取,导致计数的准确性不高;二是由于人群图像中存在有复杂背景,出现人群目标误判结果。针对以上两大问题,本文主要对人群计数算法进行研究,研究内容及创新点如下:1.针对图像中存在多尺度特征无法被完整提取的问题,传统的卷积神经网络首先提取图像的全局特征,进而对输入的图像集进行下采样的池化操作,这样会导致部分人群信息的丢失。为解决该问题,本文在多列网络结构中添加了转置卷积操作,保证了合并的特征大小相同,还能弥补之前池化导致的信息细节丢失的缺点。2.设计了由卷积分支和通道注意力单元组成的卷积神经网络结构,可增加感受野的范围,允许大、中、小三种尺寸的图像分辨率的输入,可有效处理图像中人头尺寸差异问题,进一步提升网络对不同尺度下人群的感知能力。3.将注意力机制引入到网络中,在空间中关注人头的位置时使其与人群计数任务中的参数进行共享,有效过滤了图像中非人头信息,解决了图像人群中复杂背景下出现目标误判的问题。在计数的流程中,采用密度图的方式,避免了图像处理过程中的前景分割和人头提取等复杂操作。为验证算法的有效性,本文所采用的数据是三大国际公开数据集ShanghaiTech、UCF_CC₅0和WorldExpo’10,进行了一系列实验和验证。实验结果表明,本文提出的方法更适用于多尺度人群场景和复杂背景下的人群计数,本文的算法模型也具有较好的自适应性,通过对当前主流算法的进行比较,证实本文所提算法优于当前的一些主流算法,在计数准确性上也有了很大提升,设计的网络具有较强的鲁棒性。