公共场所大规模人群聚集行为很容易造成巨大的安全隐患,如果不能及时疏导,很容易发生踩踏事故。人群计数与密度估计一直是视觉监控领域的研究热点,可以协助分析场景中人群分布的动态变化,对潜在的风险进行预警。因此,相关算法被广泛应用于机场、车站、地铁、购物中心等公共场所的监控系统中,对公共安全领域具有重要意义。人群计数与密度估计是极具挑战性的课题。光线变化、背景干扰、视角、遮挡等因素都会增加问题的处理难度。传统的计数方法以行人检测为基础,通常适用于人群密度较为稀疏的场景。近年来,随着深度学习与计算机视觉技术的不断发展,对密集复杂场景的分析受到了更为广泛的关注。本论文提出一种基于注意力机制的复杂人群计数模型。该模型主要由注意力网络和人群密度网络两部分组成。注意力网络用于定位人群的潜在位置,区分前景区域与背景区域,克服背景区域对计数造成的干扰。人群密度网络用于生成初步的人群密度图,然后将注意力图与群体密度图做掩码操作,得到细化后的人群分布。最后,通过图像积分操作,对人群进行计数。此外,本文还引入了扩展卷积操作,一定程度上解决了多尺度人群检测问题。本文在ShanghaiTech与UCF_CC₅0两个标准数据集上验证所提出模型的有效性。这两个数据集包含真实环境下人群较为密集的场景。实验结果表明:（1）使用基于扩展卷积的网络融合策略能够有效解决人群多尺度检测问题;（2）注意力网络可以降低背景对人群计数精度的干扰,生成高质量的人群密度图。与一些标准的基线方法相比,本文提出的模型在人群密度估计和人群计数方面的准确性上都有提升。