马 煜，杜慧敏，毛智礼，张 霞

西安邮电大学 电子工程学院，西安 710121

随着世界经济的不断增长，全球人口数量急剧增加，大量的人口涌入土地面积有限的城市，导致城市中的公共场所在重大节日或活动中会面临高流量、高密度的人群压力。当大量的人群处于较为狭小的空间时，一旦发生骚乱，人群会很容易失去控制，从而将会导致恶性事故的发生。近年来，关于在大型活动、体育赛事、旅游景点、学校等地发生推搡踩踏等严重事件的新闻报导屡见不鲜。例如，2009年3 月29 日在科特迪瓦阿比让举行的世界杯和非洲国家队预选赛期间，由于人群密度太大使得墙体倒塌造成19 人死亡，132 人受伤；2013 年6 月，英格兰球星贝克汉姆到达同济大学开展交流活动，现场发生踩踏事件，受伤人数颇多；2014 年12 月31 日，在上海外滩的跨年活动上发生恶性踩踏事件，造成36 人死亡，47 人受伤。这些悲剧均是在人群密度过大时发生的，由此可见，公共安全与人群密度息息相关。为了预防类似的恶性事件发生，需要掌握实时的人群密度情况，在密度过大时进行预警并采取合理的管控措施。因此对人群密度进行精确的检测对预防恶性事件的发生有着重要意义以及研究价值。而人群中的密集性、遮挡性以及多尺度性对检测的精度有着很大的影响，尤其是人群中的尺度多样性给该领域的研究带来了极大的挑战。人群拥挤场景如图1所示。

Fig.1 Crowd image图1 拥挤人群场景

近年来深度学习发展迅速，卷积神经网络（convolutional neural networks，CNN）在图像处理领域有着优异的表现，人群密度检测领域的研究者们也将卷积神经网络运用到该领域中。……