近年来,非预期的大规模人群聚集造成的安全事故屡屡发生。人群计数作为人流量管理的重要参考标准之一,利用计算机视觉技术从图像或视频中及时获取准确的人群数量以及分布情况,在安防预警、公共管理、城市规划等领域发挥着重要作用。随着深度学习技术的快速发展,基于卷积神经网络的人群计数方法取得了良好的性能。然而针对复杂场景中人群的非均匀分布和行人尺度剧烈变化的问题,现有的人群计数方法在性能上仍然面临着巨大的挑战。为解决以上问题并进一步提高计数性能,本文从数据增强、损失函数以及算法结构等方面进行深入研究并构建可解决的方案。本文的主要内容如下:（1）从数据增强的角度提出了基于空间密度自适应的数据增强方法（Spatial Density Adaptive DataAugmentation,SDADA）,均衡了训练样本间的密度差异。该方法将样本图像实施三种尺度因子的缩放、水平翻转、随机裁剪操作,然后对随机裁剪的样本区域实施密度统计,将处于不同密度等级的图像块进行概率性保留。实验结果表明此方法增加了样本的有效性,提升了网络的计数性能。（2）从损失函数的角度提出了基于局部密度归一化的池化损失（Pooling Loss,PLoss）,减弱不同密度分布模式之间的损失差异。该方法基于局部密度归一化的损失计算,利用池化操作对密度图进行子区域的划分,计算每个子区域的相对预测误差,将所有子区域误差求和得到最终的损失值。实验结果表明此方法可以提高计数模型的准确性与泛化能力。（3）从算法结构的角度提出了多尺度特征聚合网络（Multi-scale Feature Aggregation Network,MSFANet）,用于识别复杂场景中不同尺寸的人群目标。该网络在相邻卷积块之间建立短连接特征聚合模块,聚合相邻尺寸的感受野信息;在靠近网络输入端的低层卷积块与高层网络之间建立长连接特征聚合模块,通过低层特征多次复用的方式聚合低层的空间细节信息与高层的语义信息;设计特征组合单元进一步增强低层全局特征的表达。在四个具有挑战性的数据集上进行测试,验证该方法的有效性。