Das Zählen von Menschenmengen ist ein beherrschendes Forschungsthema im Bereich der Computerüberwachung, aber wenn die Menschenmenge ungleich verteilt ist, muss die Perfektion des Zählens von Menschenmengen auf der Grundlage des MCNN noch verbessert werden, um sich an ungleiche Verteilungen von Menschenmengen anzupassen MCNN wurde verwendet, um aggressive Ergebnisse zu erzielen. Das globale Dichtemerkmal für Menschenmengen in einem Projekt wird berücksichtigt, und globalisierte Dichteaspekte werden gezeichnet und dem MCNN durch die kaskadierte Lernmethode hinzugefügt, da im Laufe des Down-Sampling-Prozesses bestimmte umfassende Merkmale durch das MCNN außer Acht gelassen werden, was die Genauigkeit der Dichtekarte beeinträchtigt. Die experimentellen Ergebnisse für ucfcc50 und den Shanghaitech-Datensatz zeigen, dass die vorgeschlagene Methode genauer und stabiler ist.