In dieser Arbeit befassen wir uns mit dem Problem der Personenzählung in Bildern. Wir präsentieren einen Ansatz zur Dichteabschätzung basierend auf einem Faltungsneuronalen Netzwerk (Convolutional Neural Network, CNN), um dieses Problem zu lösen. Die Vorhersage einer hochaufgelösten Dichtekarte in einem Schritt ist eine herausfordernde Aufgabe. Daher stellen wir eine zweigeteilte CNN-Architektur vor, die hochaufgelöste Dichtekarten erzeugt. Dabei generiert der erste Zweig eine niedrigaufgelöste Dichtekarte, während der zweite Zweig die niedrigaufgelöste Vorhersage und die Merkmalskarten aus dem ersten Zweig verwendet, um eine hochaufgelöste Dichtekarte zu erstellen. Wir schlagen außerdem eine mehrstufige Erweiterung unseres Ansatzes vor, bei der jede Stufe des Pipelines die Vorhersagen aller vorherigen Stufen nutzt. Eine empirische Vergleichsanalyse mit den bisher besten Methoden zur Personenzählung zeigt, dass unsere Methode den geringsten mittleren absoluten Fehler auf drei anspruchsvollen Benchmarks für Personenzählung erreicht: Shanghaitech, WorldExpo'10 und UCF-Datensätze.