当前随着大型公共活动的日益增多,导致了越来越多的人群集聚,如庆祝活动、音乐会、体育赛事、公众游行等。因此,对密集人群进行有效监管非常必要。在当今的计算机视觉上的领域,想要对大规模的人群进行监督以及管理,本文所研究的人群计数是能够提供相关的计数支持的,针对这方面的研究也是非常积极活跃的。早期算法大多采用传统的检测和回归方法,对由遮挡、透视变形、比例变化和人群分布多样等因素导致的问题,难以有效解决。随着人群密度的提升,人与人之间的遮挡越来越严重,再加上分布不均、光照等因素的影响影响,都对密集人群计数提出了挑战。在最近这几年,一般用来研究行人计数的方法是深度学习。本文通过深度学习的方法,利用卷积神经网络生成人群密度图。生成密度图之后,对生成的密度图进行积分求和来计算出总人数。本文所用到的这类方法,与传统的方法来比较,深度学习的方法有着更好的实用性以及准确性。针对目前所遇到的情况,本文提出了一种多尺度注意力网络结构来应对目前人群计数带来的难点。本文的网络结构依次包括特征提取模块、多尺度注意力模块、密度图生成模块以及融合模块。本文的主干网络是由vgg16的前五大层组成,多尺度注意力模块以及密度图生成模块则是在分别添加在特征提取模块的添加网络。融合模块则是连接多尺度注意力模块以及密度图生成模块。具体的过程是先通过主干网提取图像特征,再通过注意力模型实现不同尺度的特征分离,最后将密度图生成模块得到的密度图与多尺度注意力模块生成的密度图融合。多尺度注意力模块利用多尺度模块中的不同尺度的卷积核实现特征分离,以此来对网络整体的性能进行提升。本结构在三个主流的人群计数数据集上进行实验,实验证明,本文的方法具有更加好的效果。