摘要：為了避免景深和遮擋的干擾,提高人群計(jì)數(shù)的準(zhǔn)確性,采用了LeNet-5,AlexNet和VGG-163種模型,提取圖像中不同景深目標(biāo)的特性,調(diào)整上述模型的卷積核尺寸和網(wǎng)絡(luò)結(jié)構(gòu),并進(jìn)行了模型融合.構(gòu)造出一種基于多模型融合的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),網(wǎng)絡(luò)最后兩層采用卷積核大小為1×1的卷積層取代傳統(tǒng)的全連接層,對(duì)提取的特征圖進(jìn)行信息整合并輸出密度圖,極大地降低了網(wǎng)絡(luò)參量且取得了一定提升的數(shù)據(jù),兼顧了算法效率和精度,進(jìn)行了理論分析和實(shí)驗(yàn)驗(yàn)證.結(jié)果表明,在公開(kāi)人群計(jì)數(shù)數(shù)據(jù)集shanghaitech兩個(gè)子集和UCF_CC_50子集上,本文中計(jì)數(shù)方法的平均絕對(duì)誤差和均方誤差分別是97.99和158.02,23.36和41.86,354.27和491.68,取得比現(xiàn)有傳統(tǒng)人群計(jì)數(shù)方法更好的性能;通過(guò)遷移實(shí)驗(yàn)證明所提出的人群計(jì)數(shù)模型具有良好的泛化能力.該研究對(duì)人群計(jì)數(shù)精度的提高是有幫助的.