（Yuhong Li1;2, Xiaofan Zhang1, Deming Chen1）

一、提到的四种计数方法

1、基于检测的方法

使用移动的窗口来识别目标整体，然后对窗口计数，但是在较为拥挤的场景（即人流量大时）效果不是很好，

为了解决这个问题，就改为识别目标身体的一部分，如人脸检测

2、 基于回归的方法

研究人员尝试使用基于回归的方法来学习从裁剪图像块中提取的特征之间的关系，然后计算特定目标的数量

3、基于密度估计的方法

在基于回归的方法中，一个关键的特征，称为显著性，是被忽视的，这导致局部出现不准确的结果

Lempitsky提出来学习局部区域特征与其目标密度图之间的线性映射，这样就能把显著性这个特征的信息给集成在一起

但是由于理想线性映射很难求得，所以Pham使用随机森林回归来求非线性映射

4、基于卷积神经网络的方法

有多种方法

①Walach and Wolf提出了一种选择性采样分层升压的方法

②Shang使用端到端的回归方法，将整张图作为CNN的输入，并直接输出数量

③Boominathan使用卷积网络和双柱结构的模型来生成密度图

在这四种计数方法中，基于卷积神经网络的方法 取得的效果最好，在当时最先进的方法的普通都有两个特点，使用MCNN（多柱神经网络）和密度等级分类器

但是这种方法存在着缺点