本发明公开了一种基于卷积神经网络的地铁车厢拥挤度识别方法，首先按照立席密度划分车厢拥挤程度级别；其次建立地铁车厢拥挤度识别模型，包括浅层特征提取模块、多尺度特征提取模块、深浅层特征融合模块以及拥挤度判别模块；将地铁车载视频监视系统采集的车厢乘客信息图像输入拥挤度识别模型结构的卷积神经网络中，经浅层特征提取模块和多尺度特征提取模块对车厢乘客信息图像进行特征提取后；再经深浅层特征融合模块输出包含乘客空间位置和人数信息的人群密度图，最后通过拥挤度判别模块完成采集区域的车厢拥挤度识别。本发明识别准确率较高，处理时间较短，可为车站候车乘客提供实时车厢客流分布状态，为合理候车提供智能引导。