Разговор между видеоаналитиками и видеосемантиками выглядит так: Первые ищут методы, как силой мысли поднять многотонный груз, что крайне удобно, быстро и не требует затрат. Другие предлагают для этого подъемный кран, что требует физической и умственной работы человека, времени, обслуживания, затрат на соляру, - в общем, очень неудобный вариант.

А, если серьезно, то вот презентация в PowerPoint или HTML. 

Считать людей наиболее точно можно по лицам. Но для этого нужно, чтобы эти лица попадали в камеру. Например на узких участках входа (подхода) на объект. Их можно найти даже перед городской площадью. Любая площадь начинается с городских улиц.

В толпе посчитать лица сложно. Можно по головам, если камера расположена строго вертикально. Т.к. такой монтаж крайне затруднителен, то любая камера на большой площади будет видеть головы под углом, что убивает возможность считать их.

Конечно, можно реагировать на объемную детекцию, но и толпа, и масса птиц, и один паучок на объективе камеры будут давать одинаковую картинку.

В Спецлабе есть фирменный алгоритм, который хорошо защищен от природных помех, но у всего прогрессивного есть свои недостатки. Он реагирует не на конкретное количество людей, а  на резкое изменение их количества. 

Мы не скажем Вам, что на площади в настоящее время 100 человек, но скажем что количество людей увеличилось почти на 100 человек. Т.е. мы не скажем, сколько всего человек на площади. Видеосемантика - которой мы располагаем - более всего защищена от помех по отношению к классической видеоаналитике, но не выдает абсолютных значений. Она показывает резкие изменения обстановки. И ее можно настроить на измненение в приблизительно количественном выражении.