智能監控領域，實現人群計數具有重要價值，針對人群尺度不一、人群密度分布不均及遮擋等問題，提出一種多尺度多任務卷積神經網絡（ MMCNN）進行人群計數的方法。首先提出一種新穎的自適應人形核生成密度圖描述人群信息，消除人群遮擋影響;其次通過構建多尺度卷積神經網絡解決人群尺度不一問題，以多任務學習機制同時估計密度圖及人群密度等級，解決人群分布不均問題;最后設計一種加權損失函數，提高人群計數準確率。在UCF_ CC 50和World Expo‘10數據庫上進行了評估，驗證了自適應人形核的有效性。實驗結果表明：所提算法比Sindai等的方法在UCF_ CC_ 50數據庫上平均絕對誤差（MAE）數值和均方誤差（MSE）數值分別降低約1.7 和45;與Zhang 等的方法（ZHANG Y， ZHOU D， CHEN s， et al. Single-image crowdcounting via multi-column convolutional neural network. Proceedings of the 2016 IEEE Conference on Computer Vision andPattem Recognition. W ashington， DC： IEE Computer Society， 2016： 589 - 597）相比，在World Expo’10數據庫上所提算法的MAE值降低約1.5，且在真實公共汽車數據庫上僅0~3人的計數誤差，表明其實用性較強。

　　在智能監控領域，利用計算機技術進行人群計數對公共安全具有重要意義，譬如可以控制密集場景下的人群數目，防止發生擁擠或踩踏事件，并提供安全預警。此外，計數技術也可用于車輛計數從而進行交通疏導，估計水中微生物數目以分析水質狀況等。
?