城市化进程的快速推进促使人们的生活方式逐渐变得丰富多彩,大量人群聚集在体育场、音乐会、商场等公共场所参加各类活动的现象愈发常见,这些场景中控制人群的规模尤其重要。此外,近几年,新冠肺炎疫情席卷全球,为防止疫情传播,各类公共场所更是对人群聚集的情形进行严格管控。因此,为保障公共场所内人群的安全,采用人群计数等手段对高密度场景的人群进行监测分析进而对人群进行及时有效地疏导具有非常重要的意义。近年来,人群计数领域中层出不穷的新方法和新模型推动着这个领域的稳步发展。但是在实际应用场景中,受监控设备拍摄位置不同、角度变化等因素的影响,场景中人群的尺度存在较大的差异,这对同时有效地提取不同尺度的人群特征造成一定的影响。另外,视频监控采集到的图像场景往往是复杂多样的,背景信息中存在与头部目标非常相似的物体,极易被误识别为密集的人群,准确地区分人群前景区域和背景区域也是一个需要急切解决的问题。因此,本文针对上述问题展开了相关研究,主要研究工作和创新点如下:（1）针对场景中人群头部尺度连续变化的问题,本文提出一种基于注意力机制的感知金字塔网络（Attention-based Aware Pyramid Network,AAPN）。该网络设计了感知金字塔模块（Aware Pyramid Module,APM）,将输入特征图划分为不同大小的图像块,用于提取多个尺度上的特征,并将提取到的各个尺度上的特征进行融合。然后通过级联的方式将融合后的尺度特征与原始输入特征进行拼接,以此用于增强网络对于多尺度特征的整合能力。此外,网络还设计了空间注意力机制（Spatial Attention mechanism,SA）和通道注意力机制（Channel Attention mechanism,CA）。具体而言,SA通过对所有位置的特征进行加权并有选择性地聚合特定位置的特征,以处理全局上下文的特征信息,进而捕捉特征图中密度分布变化的细节。CA通过处理特征图中任意两个通道之间的映射关系,选择性地增强特征图中与人群信息相关的重要通道,同时抑制存在大量干扰背景信息的通道。通过在人群计数通用的公开数据集上进行充分的实验并表明,本文提出的方法不仅能在人群计数任务中显著地提高计数的准确性,增强网络的鲁棒性,也能更好地适应图像中头部尺度的连续变化。（2）针对复杂场景中背景杂乱的问题,本文提出了一种基于引导轴向注意力的多尺度聚合网络。该网络由两个关键模块组成:尺度感知上下文聚合模块（Scale-aware Context Aggregation Module,SCAM）和引导轴向注意力模块（Guided Axial-attention Module,GAM）。具体而言,SCAM通过紧密连接多个不同感受野的扩张卷积逐步聚合多样性的相关上下文特征信息。而且在不同的卷积层上执行这一操作,不仅在单尺度特征图上实现了多尺度特征信息的增强,还捕获了丰富的上下文信息。GAM将局部特征与它们对应的全局依赖关系集成在一起,通过注意力损失引导轴向注意机制忽略不相关的信息,并强调将注意力聚焦于图像中与人群目标有关的区域。这不仅有利于缓解杂乱背景对人群计数造成的干扰,还有效地降低了模型的计算复杂度。通过在具有挑战性的数据集上的实验表明,本文提出的方法不仅能提高计数的性能,同时能更好地适应各种不同的复杂场景。