随着城市化的推进,人员流动越来越频繁。对人群活动进行分析统计是在景点、校园、工作场所、交通枢纽等现实场景的迫切需求。从图像中识别出人物并进行统计,是实现这一需求的经济便捷手段。目标检测识别是计算机视觉技术领域的重要课题。现有的算法、解决方案在人数统计这个任务上存在着统计不够准确、使用门槛过高等问题。针对这些问题,本文提出一个用于人数统计的卷积神经网络模型PCS-YOLOv3(简称PCS),PCS对YOLOv3这个目标检测模型进行了改进,根据人数统计任务的特点,在原有神经网络结构上增加了三条捷径,从而增强了原有模型中层数较深的不均衡分支获得残差网络特征的能力,以此构造了一个专为人数统计而构建的卷积神经网络模型。为了使这个模型在人数统计上有更准确的效果,本文提出了用3D引擎渲染生成训练样本方法,并以此作为数据集对神经网络进行训练。实验测试表明,PCS模型在人数统计任务上比YOLOv3等目标检测模型更加准确,神经网络结构的修改和3D生成训练样本两个优化方法都对结果产生了增益。本文使用Flask网络框架技术,通过调用训练好的神经网络模型,实现了人数统计的API和前端网页,使得这套方法更容易使用。