当今,随着经济的繁荣发展,人们的出行和社会活动日益频繁,在火车站、汽车站、地铁、商城、公园等公共场所中经常会出现人群拥挤的现象。人群拥挤一方面会给人们的出行和活动带来不便,另一方面,如果不及时疏导,还易引发安全事故。对这些公共场所进行监测并实时掌控人群分布信息是保障公共安全的有效举措之一。目前视频监控系统广泛布置于众多公共场所,利用基于计算机视觉的分析技术可以自动获取人群的分布信息。近年来,深度学习方法在计算机视觉领域取得了重要成果。受益于此,基于卷积神经网络的人群分析算法也不断涌现,并取得了一定的进展。然而,由于深度学习方法主要受到数据驱动,当场景中存在不同的人群密度分布模式时,卷积神经网络人群计数模型就容易高估或低估不同密度区域包含的人数,导致整体人群计数准确性的降低。为了克服这一问题,本文提出了一种有效的方法来减轻不同密度区域的计数误差,从而提高计数精准度。本文的工作主要包括三部分。(1)提出了一种多级密度分布感知神经网络模型(Density Aware Network,DANet)。DANet通过学习复杂场景中的人群分布,给出对应不同密度等级的区域遮罩。在此基础上,分析了卷积神经网络计数模型的误差分布规律,为设计一种能有效降低不同区域人群计数误差的方法提供了新思路。(2)提出了一种注意力缩放自适应人群计数网络(Attention Scaling Network,ASNet)。ASNet首先生成多个中间密度图和缩放因子,然后利用缩放因子和DANet提供的多个密度等级遮罩,调整并生成相应区域的密度图,最后联合区域密度图生成最终的人群密度图,从而降低不同密度区域的计数误差。(3)提出了一种自适应金字塔损失函数(Adaptive Pyramid Loss,APLoss)。APLoss可以根据场景的密度分布情况,自适应地将场景分割为金字塔结构的子区域,然后分别计算每个子区域的相对预测误差,最后将所有子区域误差求和得到整体密度预测损失值。这种损失计算方法可以显著减轻训练过程中不均衡数据带来的不利影响,提高卷积神经网络计数模型的泛化能力。本文在四个具有挑战性的人群数据集上进行了测试。实验结果表明,我们提出的方法达到了国内外领先水平。