孙 爽，何立风，朱 纷，张梦颖

(陕西科技大学 电子信息与人工智能学院，陕西 西安 710021)

0 引 言

人群计数可以用于预测拥挤场景中人群数量和密度分布，有助于在人群拥挤场所下的人群管理和控制，在视频监控领域和公共安全管理领域都具有十分重要的应用价值[1]。

近年来，卷积神经网络被广泛应用于计数任务。MCNN[2]多列网络通过使用3个不同大小的卷积核来捕获不同的感受野以提取不同的尺度特征，得了不错的计数结果。但是当网络较深时，多列网络会导致更多的参数量和计算量，网络的训练难度较大。因此，Li等[3]提出了一种单列深层网络CSRNet，使用多个空洞卷积来提取多尺度上下文信息，在保留原图分辨率的情况下扩大模型的感受野，大大提高了人群计数精度。

然而，人头尺度多样性与复杂背景干扰等问题仍是人群计数任务的主要挑战[4]。以往方法在提取特征时，大多采用特征单向流动，并未充分利用网络浅层的细节信息与深层的语义信息，为了进一步学习到图像的尺度特征，同时排除复杂背景的干扰，本文提出了一种基于多分支特征融合的人群计数网络(multi-branch feature fusion network，MFNet)，主要工作可以分为以下几个方面：

(1)提出一种多尺度特征增强模块(multi-scale feature enhancement module，MFEM)来提取连续变化的尺度特征，解决人群计数中的多尺度变化问题。

(2)提出一种多分支上下文注意模块(multi-branch context attention module，MCAM)来融合网络浅层和深层的特征，并使用注意力机制抑制背景噪声干扰。

(3)在3个公开数据集上进行训练和测试，本文提出的计数网络模型都表现出了良好的计数性能，验证了该模型的有效性。……