密集场景人群计数是一项重要的计算机视觉任务,其在智能视频处理领域具有广泛的应用价值。目前在密集场景人群计数方向已有广泛的研究工作,但是当图像尺度多变、人群密度分布不均衡以及数据域间差异较大时,其性能还难以满足实际应用的需求。本文针对以上三个问题,分别开展了相应的研究工作:（1）基于图像矩的多尺度图像特征抽取算法。实际应用中成本的限制、应用场景的多样化等因素,使得视频监控捕获的图像分辨率差异较大,从而要求单个模型有效处理多尺度输入图像。为此,本文提出一种新的基于图像矩的多尺度图像特征提取方法,首先计算四元数圆谐极坐标傅里叶矩,然后利用深度学习方法进一步提取表达能力较强的特征,从而构建一个能够有效处理多分辨率图像的密集人群计数模型。实验结果表明,本文提出的基于图像矩的多尺度图像特征提取方法使得人群计数模型在不同分辨率图像上都获得稳定的计数性能,有效解决由图像分辨率差异化带来的计数性能下降问题。（2）空域自适应金字塔特征融合的密度感知密集人群计数算法。在密集场景中,图像中的人群分布呈现密度差异性,会导致人群计数性能的下降。为解决这一问题,本文将人群密度图预测和人群分割图预测相结合,提出了空域自适应金字塔特征融合模块,充分融合密度图和多密度等级分割图信息,对不同密度区域利用注意力机制提取特征金字塔,最后输出更精确的人群密度图。实验结果表明,本文提出的算法在多个人群密度差异大的数据集上均取得较好的性能,有效解决了由人群密度差异化带来的人群计数性能下降问题。（3）基于域注意力的密集人群计数算法。视频监控图像通常因光照强弱、天气变化、成像角度不同等,存在域差异问题,导致人群计数模型的性能下降。为解决这一问题,本文利用一种域注意力方法,将不同域的数据混合训练,并在训练过程中对不同域图像的特征进行自动调节,提高模型在不同域数据上的人群计数精度。实验结果表明,本文提出的域注意力密集人群计数算法在多域数据集上取得较好的性能,有效解决了由域差异带来的人群计数性能下降问题。