随着经济的不断增长,集体活动也不断丰富,随之而来的因人群拥塞而引起的事故也已屡见不鲜。因此及时地对公共场所的人群密度做出准确估计以避免危险发生就成为了视频监控领域的重要任务。人群密度估计是通过提取人群的分布特征进行分析计算,从而估算出密度分布并进行人群计数的任务。而实际场景转换为图片数据集时,会因为存在多尺度特征而无法被准确提取,导致估算的准确性下降的问题。现存的人群密度估计算法主要利用多尺度卷积神经网络分别对不同尺度的人群分布进行特征提取,最后平均融合得到计算结果。但传统的卷积神经网络为了提取全局特征,基本会对输入图片进行下采样,这样会丢失部分人群信息;且平均融合多通道卷积神经网络,对于多尺度特征提取计算结果的提升也很有限。针对上述问题,本文提出场景自适应人群密度估计算法。场景自适应人群密度估计算法以深度卷积网络为载体,利用扩张卷积对输入的人群场景图进行特征提取,在保持参数个数不变的情况下增大卷积核的感受野,这样既可以学习到全局特征,又不会增大计算量,同时也可以保证输出的特征映射(feature map)的大小保持不变。此外扩张卷积在上下文模型中通过设置不同大小的扩张系数来聚合多尺度上下文信息,提高了密集预测框架的性能。算法在模型的训练中利用对抗式损失函数将网络中提取的不同尺度的特征信息以合作式的方式融合。一般解决该问题的网络会选择欧式距离损失函数作为网络训练的优化,但这样只会平均融合每个通道各自的输出结果,失去了提取多尺度人群特征对于密度估计结果准确度提升的意义。对抗式损失可以使网络输出的结果最接近于真实的密度分布,极大地提高了密度估计的准确性。场景自适应人群密度估计算法提出利用扩张卷积在不损失分辨率的情况下对输入图像进行特征提取,通过对抗式损失函数将网络中提取的不同尺度的特征信息以合作方式融合的方法,解决了现有方法中卷积神经网络的池化层对图像的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,使人群密度估计不准确的问题。实验结果表明,在人群分布差异较大的场景中构建的算法模型有较好的自适应性,能根据不同的场景提取特征估算密度分布,并对人群进行准确计数。另外本文借助基于几何适应高斯核转换得到的密度图作为标签进行网络的训练,使网络的预测结果更加准确。