人群踩踏事件是现代生活中非常危险的事故之一,给人类的生存安全带来了极大的威胁,有效的抑制踩踏事故的发生对于现代化城市建设来说是必不可少。目前,通过将人群密度估计(或者人群计数)技术与人群行为分析相结合可以有效的分析场景中的异常事件,对危险做出预警,这也是目前比较有效的预防踩踏事件的措施之一。但人群计数任务本身容易受到图像中的透视、拥挤、遮挡、密度等因素的干扰,造成图像中的人头在尺度、外貌上出现比较大的变化,最终使得精确的人群计数变成了一个极具挑战性的任务。针对这个问题,本文从问题的根源出发提出了一个基于深度特征融合的人群计数方法,通过挖掘层级信息之间的相关性,以及多尺度的特征有效的融合实现了复杂场景下的人群密度估计。本文主要研究内容如下:1)探究了尺度信息对于人群计数的重要性,本文提出了一个层级多尺度融合模块来有效的逐层融合网络中的不同尺度信息。从而实现准确的人群计数。2)考虑到人群计数任务是对图像中特定的目标进行估计,受周围环境干扰比较严重,本文提出使用一个注意力机制模块来对网络学习到的特征图进行空间位置上的加权,从而有效的限制背景区域对人群计数任务的干扰。3)对于人群计数任务,当前的评价指标平均绝对误差(Mean Absolute Error,MAE)和均方误差(Mean Square Error,MSE)只在意总人数的正确,忽略了密度图本身的合理性。而峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)[1]和结构相似性(Structural Similarity Index Measure,SSIM)[2]的引入是希望度量生成密度图与标注的密度图之间的相关性,这与标签数据本身的不精确性相违背。在本文中引入了一种基于块的度量方式来度量人群密度图的合理性。最后,大量的相关实验表明本文的模型相对于现有的模型算法,在几个公开数据集上均实现了比较有竞争力的性能。这一定程度说明本文的模型在具有比较强性能的同时具有较强的泛化能力。