人群密度估计是人群计数工作中的重要计数方法。目前,大多数人群密度估计方法都侧重于研究单视角图像内人群头部特征的提取方式,但由于视角信息的不足,这类方法难以解决人群遮挡和广域计数等问题。因此,为了解决这类问题,论文重点研究多视角人群密度估计的相关方法,并针对多视角人群密度估计方法中的图像空间信息提取不足、多尺度目标特征提取不充分、特征空间映射结果不准确等问题进行优化,以提高多视角人群密度估计方法在不同场景下的计数性能。主要研究内容包括:1.提出了基于空间卷积融合的多视角人群密度估计方法,该方法在空间卷积原有的策略上,调整了卷积运算的方向,利用交叉隔层卷积的方式加速了对图像空间特征的提取;在图像的多尺度特征提取方法上,研究了基于图像金字塔和特征金字塔的多尺度特征提取方法对多视角人群密度估计方法的影响,并通过实验对比了两种多尺度方法的效果;在多视角特征的空间的映射过程中,研究了不同的人群身高对映射结果的影响,并利用自注意力机制对不同身高的空间映射结果进行组合,提高了空间映射结果的准确性。2.引入自适应密度图生成方法对多视角人群密度估计方法中的样本标签进行优化,优化方法使用不同尺寸的高斯核对不同大小的人头进行适应性匹配,以生成更加精准的场景级密度图标签,并利用该密度图标签指导多视角人群密度估计方法进行调优训练;设计了一种抖动调整的优化方法,针对多视角人群密度估计方法在视频连续帧序列计数时产生的抖动误差进行优化调整,提高多视角人群密度估计方法连续计数结果的稳定性。3.基于上述研究工作中提出的多视角人群密度估计方法,设计并实现了人流计数系统。系统的主要功能有人流计数、数据上报、监控数据展示等,为密集人群的及时发现和安全管理提供了有力的数据支持。