近年来,随着经济、科技、医疗等的快速发展,在世界范围内,人口数量持续上升。每逢节假日,在旅游景点、购物商场、交通枢纽等公共场所均会出现大量人群聚集的情况,一旦发生异常情况,极容易发生踩踏事故,导致人员伤亡。如果能使用架设在公共场所的监控设备进行实时的人数检测和预警,便能够有效地避免事故的发生。这使得使用监控摄像头进行人群计数成为计算机视觉领域的一个研究热点。此外,人群计数还有更多广泛的应用,例如公共设施规划、产品导流和智慧城市建设等。目前使用深度学习的人群计数方法主要有两种,分别是基于密度估计的方法和基于检测的方法。基于密度估计的方法通过生成一张密度图来进行计数。由于监控图像中存在背景复杂、目标相互遮挡严重和尺度变化大的问题,同时在实际应用过程中,样本标注比较困难,往往只能获得少量有标注的数据,这使得密度估计网络需要有强大的拟合能力。基于检测的方法通过检测头部来计数,其较基于密度估计的方法计数精度更低,并且标注成本更高,但是可以对监控图像中的目标进行定位,有更高的应用价值。为了解决上述两种人群计数方法中的关键问题,本文提出了三种针对性的解决方法。其主要工作如下:1、为了解决图像中存在的遮挡以及尺度不一致的问题,本文设计了一个自加权多尺度融合网络来进行人群密度估计。该网络改良了特征金字塔,使其可以融合不同尺度的特征用于计数。为了减少背景的干扰,本文采用了多任务学习方式,通过添加一个注意力图生成任务来加强对人头区域的感知并忽略图像背景噪声。同时,为了提高密度图的质量,在密度估计任务中额外添加了结构相似度损失用于训练。在Shanghai Tech数据集B部分的对比显示,本文的方法能够有效提升计数的精度,和最新成果相比MAE降低了6.4%。2、针对只有少量有标签数据进行训练的情况,本文提出了一种基于Grid Mask的自监督人群计数方法。该方法使用Grid Mask擦除无标签人群图像的部分内容来减少图像中的人群数量,以此产生人群数量不同的样本对。利用这些样本可以构建一个排序辅助任务,让网络能够从无标签数据中习得和人群数量相关的特征。这使得网络仅使用少量有标签数据便能获得不错的精度。对比实验显示,在仅使用5%有标签数据的情况下,使用该自监督方法能使MAE降低20%左右。3、在无人头框标注的情况下,本文创新性地提出了一种使用人头点标注的人头检测方法。该方法可以直接使用人头点标注生成人头伪框,减小人头检测任务的标注成本,使得基于密度估计和检测的两种计数方法能够相互兼容。该方法主要通过生成用于表征检测框边长和中心点的透视图和概率图来检测人头。概率图真实值使用人头点标注直接生成,透视图真实值则通过计算中心点与其最接近的几个点的平均距离来得到。实验证明,针对比较稀疏的场景,该方法的结果表现良好,能达到和密度估计方法接近的精度。