背景干渉や人群のスケール変動が激しく、計数精度が低下する問題に対して、密集接続注意機構とスケール認識再構成強化を用いた人群計数手法を提案する。まず、膨張畳み込みで改良したVGG19ネットワークをモデルの粗特徴抽出ネットワークとして用い、密集接続双方向注意機構を組み込み、人群計数特徴を強化し背景干渉を抑制する密集接続注意機構の特徴抽出ネットワークを設計した。次に、浅層から深層まで異なるスケールの人群特徴情報を十分に活用し、スケール変動が激しいことによる計数性能低下問題を克服するスケール認識再構成アップサンプリングおよびソフトマスク特徴強化・伝達構造を設計した。さらに、多解像度融合モジュールを提案し、多解像度間の情報相互作用を強化し、異なる解像度間の意味的ギャップを低減し、人群計数の精度を向上させた。最後に、ShanghaiTech、UCF-QNRF、JHU_CROWD++などの人群データセットで比較実験を行い、提案手法は比較アルゴリズムよりも優れており、DM-Count人群計数アルゴリズムと比較してMAE、MSE誤差がそれぞれ15.98％、14.52％低下し、より高い計数性能を示した。

人群計数;密集接続注意;スケール認識再構成;多スケール強化;多解像度融合