群体的人数统计作为群体分析的重要组成部分,是视频监控领域重要的课题之一。随着我国大规模城镇化推进,城市规模急剧扩大,人口密度大幅度提高,我国的城市在公共管理方面面临更大的挑战,因此需要研究适应新时代安全监控要求的人群计数算法。本论文首先研究了基于CNN(convolutional neural network)的人群计数算法,该算法解决传统人群计数算法不能很好适应复杂场景的问题。本文不仅对MCNN(multi-convolutional neural network)进行研究分析,而且通过可视化技术手段研究了基于CNN算法的工作机制。为了弥补现有数据集不能适应现代监控场景测试要求,自行标注包含五个场景的数据集,通过实验验证算法的实践价值。其次我们发现基于CNN算法得到密度分布图存在缺陷,沿着改进密度分布图生成的思路,我们首次提出基于cGAN(conditional Generative Adversarial Networks)的人群计数算法。该算法训练生成器生成密度分布图,判别器判别生成图片的真假,有效的提高网络生成密度分布图的质量。实验表明该算法在人群计数的准确度可以超过MCNN网络的结果,同时具有生成的人群密度分布图质量更高,训练速度更快的优点。综上,本论文集中探讨基于CNN的人群计数算法,比较分析算法原理和实验结果。本文不仅仅提出了全新的基于cGAN的人群计数算法,还包括对两大类算法工作机制,影响因素,实践应用进行探讨,形成一个相对完整的研究,具有一定的方法创新和实际价值。