随着现代科学技术的不断发展与进步,视频监控以较低的成本在交通要道、车站、机场、公园、学校等重要公共场所得到广泛应用。准确地估计视频或图像中的目标对象数量是一项具有重要意义且充满挑战的任务。在各种目标计数任务中,人群计数具有广泛的实际应用,在安防预警、城市规划、智能商业、交通调度等众多领域均起着重要的作用。人群计数的主要任务是精确估计人群图像中的人数与人群密度的空间分布,然而由于人群场景存在遮挡、光线变化、杂乱无章的背景和视觉的外观变化所带来的挑战使得该问题变得更加困难。鉴于此,本文从人群特征表示入手,针对人群场景计数需求,构建网络模型并设计特征提取策略,从而提出了复杂场景下基于卷积神经网络的图像人群计数模型研究。具体研究内容如下:首先,针对复杂人群场景密度高且分布不均问题,提出基于交叉对抗和注意力上下文信息的人群计数模型。采用两分支生成对抗网络设计,在生成网络的U型结构上嵌入空洞卷积来扩展空间维度特征提取并关注边界信息,结合注意力机制聚焦全局空间以及更多纹理特征细节;综合以交叉对抗损失函数为主的多重损失判别优化回归训练;将交叉对抗联合训练生成的残差信息与上下文信息共同融入到特征学习与密度图估计中,以应对复杂背景与人群分布不均对计数准确性产生的影响。其次,针对复杂人群场景尺度变化问题,提出融合尺度感知和双重注意力感知信息的人群计数模型。采用共享网络设计来自适应编码多尺度的上下文信息,并连接卷积透视变换来附加尺度间的过渡信息;通过双注意力机制同时从位置与通道的维度来编码内部语义信息并强化特征信息表达;级联尺度感知与注意力感知特征学习并进行密度图估计,以解决复杂人群场景中尺度变化明显对准确人群计数所产生的干扰。然后,针对一些人群计数模型在跨场景应用时受到训练时间和数据标记的影响,寻求借助少量的有标签图像或无标签图像来快速调整已有模型问题,提出仿射参数引导下的场景自适应人群计数模型。借鉴小样本非监督图像转换设计模型,由监督网络通过少量未标记图像生成计数网络中批量归一化的仿射参数使其可以自适应不同目标场景;同时在人群特征提取中通过自适应调整卷积参数来获取更多特征细节,并借助通道注意力融合浅层特征与深层特征;将特定人群场景需求与自适应监督参数网络结合在一起实现特征学习与密度图估计,以解决网络模型对标记数据的需求以及跨场景应用问题。最后,针对非限制性条件下特定人群场景中计数问题,提出基于区域识别的跨模态协同表示学习人群计数模型。通过双重信息传播机制动态增强模态共享和模态特定表示以充分利用光学信息与热成像信息之间的互补性;同时利用对可见光图像的区域识别设计以及热红外图像自身具有的区域性特点来达到关注人群感知背景的目的;结合点注释密度贡献概率模型,与融合背景感知的多模态表示学习一起完成特征提取与密度图估计,以解决不同光线条件下非限定人群场景的计数精确度问题。