본 연구는 군중 장면 분석의 두 가지 주요 응용 분야인 군중 계수와 이상 탐지를 중심으로 진행되었다. 군중 계수 분야에서 딥러닝 모델의 데이터 의존성 및 어노테이션 비용 문제를 해결하기 위해 자기 지도 학습 기반의 Multi-Column CNN(MCNN) 모델을 제안하였다. 이 모델은 다양한 크기의 필터를 사용하여 다양한 수준의 특징을 학습함으로써, 폐색된 장면, 불균일한 밀도, 복잡한 배경, 스케일 변화 등의 문제에 효과적으로 대처한다. ShanghaiTech 및 UCF-QNRF 데이터셋을 사용하여 MAE와 MSE를 통해 성능을 평가하였다. 군중 이상 탐지 분야에서는 VGG19 기반의 시공간 모델을 제안하여 조명, 환경 조건, 예상치 못한 객체, 확장성 등의 문제를 해결하였다. CNN을 이용하여 공간적 특징을, LSTM 블록을 이용하여 시간적 특징을 추출하며, 밀집 잔차 블록을 사용하여 성능을 향상시켰다. Hockey Fight 및 SCVD 데이터셋을 통해 다른 최첨단 접근 방식보다 우수한 성능을 보임을 실험적으로 확인하였다.
