在上下班高峰、节假日出行及大型活动期间,容易出现局部区域下人群多于密集的情况,因而产生一系列问题,如:群众情绪失控,拥挤踩踏,紧急情况下很难疏散等。人群计数问题越来越受到学术界和工业界的关注,但是由于在非限定拍摄场景下人群表现为各种复杂的特征,例如行人之间严重的遮挡,周围环境的干扰,人群分布不均,很大的尺寸和视角变化等,人群计数问题依然难以很好的解决。随着硬件计算能力的升和深度神经网络的发展,人群计数算法的性能得到了较大的进步。其中大部分算法是基于前馈网络结构的设计,这种前馈网结构输入人群图像后直接得到预测的人群密度图。尽管这些方法取得了令人满意的效果,但是基于前馈网络结构的设计在对人群图像进行特征取前没能考虑语意先验知识,这使得这些方法在困难区域的性能依然不佳。另一个在人群计数中较为重要的问题是缺乏丰富的标注数据。在人群计数任务中标注是非常繁重和乏味的,因为通常需要标注出每张图片中的所有人的位置来实现有监督的人群计数。每张图像繁重的标注任务限制了标注的总样本数,这使得当前的数据集都很难覆盖现实世界中多样的人群场景。为了缓解数据不足的问题,一些数据增强方法被出,例如随机剪裁和随机水平翻转[18,17,16,15,14,11]。这些方法可以简单有效地增加数据量,但是他们没能考虑非限定人群场景下多变的环境因素,因此限制了对于人群计数算法性能的进一步升。在这篇文章中,我们在基于对以往工作的分析和总结基础上,将人群计数问题建模为人群特征的丰富,表达和学习问题。首先我们出了一种基于跨阶段优化网络的人群计数算法。此算法通过级联多个全卷积前馈神经网络来挖掘前一阶段预测的人群密度先验以指引人群特征取过程,这使得后面阶段预测的人群密度图可以以一种迭代的方式得到优化,逐渐升人群计数的准确率和置信度。进而,我们出基于Conv LSTM的跨阶段人群密度先验机制。此机制使得多阶段前馈网络通过Conv LSTM进行分层连接来充分挖掘多阶段和多等级的密度先验。另外,我们探索了人群场景变化相关的数据增强方法来丰富人群计数标注中的人群特征。特别地,我们通过考虑颜色、尺寸和摄像头拍摄视角变化来模拟不同的人群场景。本文在四个常用的公开数据集中与当前最优方法进行对比实验,通过实验验证了方法的有效性以及与之前方法相比达到了当前最优。