密集人群计数是计算机视觉的一个重要研究方向,在很多领域都可以用到,特别是在城市建设和社会安全方面。正确的人群计数可以帮助实现公共领域资源合理配置,例如在一些大型体育场馆、旅游景点、十字路口、大型商场等,可以根据人数进行有效疏导,合理调度,让人们出行更加安全。另外对于视频监控应用,人群计数也是其中应包含的功能模块之一。针对密集人群和多摄像头跨场景人群计数问题,本文主要做了如下有创新性的研究工作:1.提出了基于卷积神经网络和图像语义理解相结合的密集人群计数方法。训练了一个人群计数模型,该模型可以利用卷积神经网络提取图像中的人群特征,同时使用图像语义理解的方法识别背景和人群,该方法可以有效地降低图像背景中的错误计数。在公开数据集的实验表明,本文方法能够有效识别图像中的背景和人群,实验结果显示了本文算法的优越性。2.提出了基于有向图连接的无重叠多摄像头跨场景行人计数方法。通过对每个摄像头中的行人进行检测和跟踪,将跟踪结果输入到建立的图模型中并进行计算,得到该区域中的行人数量。该方法能够有效地对多摄像头跨场景的行人进行计数,实验证明采用本文的方法能够对多摄像头跨场景中的行人进行有效统计。