蒋 俊，龙 波，高明亮,邹国锋

(1.西南石油大学计算机科学学院，成都 610500；2.山东理工大学电气与电子工程学院，淄博 255000)

随着城市人口的剧增，公共集会、大型体育赛事等人群聚集现象频繁发生。因此，快速、精准的人群计数方法对于人群分析、公共场所安全警示、群体异常事件预防等至关重要。此外，良好的计数算法也可以用于显微镜下微生物的计数、野生动物的数量统计等。

受人群遮挡、空间尺度和场景变化的影响，传统的基于检测和回归的人群计数算法计数准确度难以提高。随着深度学习在计算机视觉领域的深入研究和广泛应用，众多学者致力于深度学习框架下的人群计数方法研究，并提出了大量卓有成效的学习算法。这类算法能够有效提取图像特征，相较于传统的计数算法，计数准确度提升显著。但越来越深的网络结构意味着训练这些网络模型代价巨大，甚至训练完成的模型也受到电脑硬件的限制，无法广泛应用。

为了解决上述问题，现提出一种简易、高效的人群计数网络结构，多尺度融合卷积神经网络(multi-scale fusion convolution neural network，MSF-CNN)，以期通过有效提取图像特征，解决人群之间的遮挡和空间尺度多变的问题。

1 相关工作

1.1 传统方法

由于训练数据的缺乏，早期的人群计数方法主要分为两类，即基于检测的方法和基于回归的方法。

基于检测的人群计数方法主要是通过检测场景中的行人个体对人数进行统计。文献[1]提出一种基于滑动窗口检测器的方法检测和统计人数。……