世界范围内,随着城市化进程的加快,城市居民数量剧烈增加,大规模人群聚集的场景也愈发常见。这些场景中会存在较多安全隐患,容易引发公共安全事件。为了防止安全事件的发生,基于计算机视觉的视频监控系统被广泛应用在城市内部的各个公共场所,实时监控和分析各场所中的人群信息。作为视频监控系统的两项基本任务,大规模人群计数和人群定位也随之在公共安全领域发挥了重要作用,受到了学术界的广泛关注。随着卷积神经网络技术的逐步成熟,现有的人群计数和定位方法已经从应对单一的人群场景过渡到应对相对密集的人群场景。但是在一些环境复杂的场景中,受到人群尺度变化问题和复杂背景问题的影响,现有的这些方法仍无法取得最佳性能。因此本文的目标是应对复杂场景中的尺度变化问题和复杂背景问题,实现大规模人群精确计数和定位。基于这个目标,本文首先对人群计数进行了深入研究,并提出了一种基于多尺度注意力重校准网络的人群计数模型。此外,考虑到单一的人群计数方法只能分析人群场景中不同区域的人群分布情况,无法提供人群的具体位置信息。本文在人群计数的研究基础上,对人群定位展开了进一步的研究,并针对由尺度变化引起的场景边缘个体较小的问题,提出了一种基于多尺度特征细化网络的人群定位模型。因此本文的主要创新工作可总结如下:（1）本文提出一种用于人群计数的多尺度注意力重校准网络,它引入一种特征增强模块和一种特征重校准模块分别应对尺度变化问题和复杂背景问题。首先特征增强模块利用多个扩张卷积进行多尺度特征增强,为后续操作提供丰富的多尺度上下文信息。之后,特征重校准模块集成了维度注意力块和区域重校准块进一步抑制上下文特征中的背景信息。其中,维度注意力块可以捕捉到上下文信息在不同维度之间的语义依赖关系,而区域重校准块则根据依赖关系对不同区域重新分配注意力权重,进一步抑制背景区域在上下文特征中的注意力权重。通过结合使用以上两个模块,本文提出的人群计数方法可以有针对性地捕捉人群图像中的人群特征,准确估计人群密度。在多个公开人群计数数据集上进行的一系列实验显示,本文提出的人群计数方法在计数精度和生成密度图的质量方面明显优于现有的计数方法。（2）本文提出一种用于人群定位的多尺度特征细化网络,它采用三个分支充分提取人群场景在不同尺度上的上下文特征,准确捕捉人群场景中每个个体的信息。具体而言,本方法首先引入一种特征感知模块,它串联了多个不同的扩张卷积,可以在不同尺度上编码更大范围的上下文信息,进一步提高本方法应对尺度变化的鲁棒性。之后,本方法设计了一种特征细化模块促进每个分支之间的上下文信息相互细化,从而可以在最大程度上发挥多尺度上下文信息的表达能力,有效抑制复杂的背景信息。通过结合使用上述两个模块,本文提出的人群定位方法可以在最大程度上定位到场景中的每个个体,更稳健地应对各种复杂的人群场景。在多个人群定位数据集上进行的大量实验显示,本文提出的人群定位方法显著优于现有的方法,具有更先进的定位性能。