面对日益增长的人口数量,为加强社会治安防控,利用人工智能保障公共安全、构建智能视频与图像分析系统成为了社会关注的焦点。人群计数是构成智能视频及图像分析系统的重要基础之一,其可以自动估计图像中的人群总数和空间分布位置。尽管已有大量优秀的人群计数算法被提出以应对实际应用场景中的多重挑战,但仍存在一些固有的难点亟待解决,如人群尺度变化、背景干扰和尺度变化双重挑战并存、标记数据有限、人群密度分布不均匀和跨域问题等。本文从网络结构设计、多任务学习框架、半监督算法、密度矫正及域自适应方法等角度,针对上述问题分别给出了有效的解决方案。全文的主要研究工作和贡献总结如下:1.针对尺度变化问题,提出了一种自适应加权的人群感受野网络。相机透视效应导致的多尺度人群变化问题是影响人群计数性能的重要因素。已有的多列网络结构通过不同尺寸的滤波器模拟人眼感受野分布以应对尺度变化问题,但经分析发现其模拟的感受野分布与真实人眼感受野分布存在较大差异。为减少此差距,本文提出一种自适应加权的人群感受野网络模拟人类视觉系统以处理人群计数的多尺度变化问题,其包含三个核心部件:人群感受野模块、循环模块、通道注意力模块。人群感受野模块通过组合多个普通卷积和膨胀卷积模拟人眼视网膜上感受野分布以提取有效的多尺度特征。为进一步细化提取的特征,循环模块输出全局信息和语义信息作为通道注意力模块的指引信号,而通道注意力模块的输出自适应加权提取的多尺度特征。此外,引入平滑L1损失函数缓解欧氏损失函数造成的密度图模糊化问题。在多个公共人群计数数据集上的实验结果表明,提出的自适应加权的人群感受野网络取得了有竞争性的计数性能。2.针对双重挑战并存,提出了一种基于深度和边缘辅助学习的多任务学习框架。由于尺度变化和背景干扰问题的复杂性和独立性,已有的计数方法大多从单一角度分别解决上述问题,获得的模型难以适应复杂多变的实际应用场景。为解决尺度变化和背景干扰双重挑战并存的问题,本文提出了一种基于深度和边缘辅助学习的多任务框架。针对尺度变化问题,总结了人头尺度变化规律,提出了一种相对深度图和相应的真值生成算法,然后构建了相对深度图回归网络感知人头尺度变化,以提取有效的多尺度特征。针对背景干扰问题,分析了背景干扰对生成密度图的影响,提出了一种人头边缘图及对应的真值生成算法,之后设计了人头边缘图回归任务辅助网络提取具有判别力的人头边缘特征,缓解背景干扰造成的影响。为同时处理上述双重挑战,提出了一种有效的信息融合策略,融合多任务框架中生成的深度信息、边缘信息和密度信息,促使网络输出准确的密度估计结果。在多个公共人群计数数据集上的实验结果验证了提出的多任务框架的有效性,且取得了有竞争性的计数性能。3.针对标记数据有限问题,提出了一种基于分块人数统计的半监督人群计数算法。由于标记数据有限,基于全监督学习的人群计数算法易出现过拟合问题。人工标记数据不仅成本大且会引入标记误差,因此研究者们开始关注半监督人群计数领域。尽管已有的半监督算法能较好地利用未标记数据优化模型,但是模型性能仍需进一步改善。本文提出了一种基于分块人数统计的半监督人群计数算法,旨在利用未标记数据提升模型性能。首先,受启发于图像中人群的分布规律:人群图像的全局人数恒等于所有无重叠子区域的局部人数之和,本文提出一种自监督代理任务并构造了相应的损失函数,利用无标签数据优化网络模型。其次,提出一种迭代学习策略,给予自监督任务更强有力的指导信号,结合有标记数据和无标记数据共同训练网络。在多个公共人群计数数据集上的实验结果表明提出的半监督算法取得了有竞争性的计数性能。另外,在不同网络结构、不同比例标记数据上的消融实验验证了提出的半监督算法的有效性。4.针对人群密度非均匀和跨域问题,设计了一种密度矫正网络,并提出了一种随机切割混合双域图像的域自适应方法。图像深度越大区域的人群占据的像素越少导致高密集的人群分布,反之亦然,而人群密度非均匀分布导致网络在不同密集度区域输出较高的估计误差。为缓解此影响,本文提出了一种密度矫正网络。首先,提出了一种密度矫正图和相应的真值生成算法,设计了密度矫正辅助任务矫正初始密度图上错误的密度估计。其次,提出一种双层金字塔特征融合模块融合不同尺度的特征,以增强网络的特征表达能力。由于不同场景之间存在域差距,模型泛化性能在目标域上严重衰减。为解决此问题,本文提出一种随机切割混合双域图像的域自适应算法。该算法通过生成伪标签、混合数据、随机切割图像等手段,从全局与局部角度学习域不变特征以减少域差距。在多个公共人群计数数据集上的实验结果表明提出的密度矫正网络取得了有竞争性的计数性能,并且通过多重跨域实验验证了提出的域自适应方法的有效性。