本资源为在caffe框架下训练好的人群计数模型csrnet，训练数据集为shanghai-partB,测试结果MAE:11.7783;MSE:18.5910，较论文差点，但Sacnn模型效果提升很多

人流密度估计作为一种有效的人群监测、控制和行为理解方法，得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低，容易造成密集场景人流估计不准确。为此，文中提出了一种基于深度的卷积神经网络（CNN）人群密度估计方法，利用典型的深层网络Googlenet 和VGGnet进行了方法改进。通过采用一个包括18个拥挤景区密集场景、超过160 K密度的注释图像数据集进行的实验测试结果表明，该方法的平均准确率为92.46%，与GLCM-SVM方法进行对比的结果也充分证明了该方法的优越性。

关于大规模人群的人数统计和人群密度分析，你可以方便的查询一些资料和信息，有助于你毕业论文的完成。

一、课题名称：基于MATLAB的实时摄像头考勤系统 二、课题介绍：该课题为实时监控，调用笔记本摄像头，可以计算从左到右的人数，从右到左的人数，从而实现教室人数统计，考勤，人群密度估计等。带gui界面。

一、课题名称：基于MATLAB的实时摄像头考勤系统 二、课题介绍：该课题为实时监控，调用笔记本摄像头，可以计算从左到右的人数，从右到左的人数，从而实现教室人数统计，考勤，人群密度估计等。带gui界面。

该资源为人群计数c++实现，深度框架为caffe，网络模型文件为SaCNN，可对图片和视频进行人群计数，需要安装caffe和opencv库，内有makefile,可直接使用！