密集人群定位分析的难点之一是获取图像中个体目标的准确预测。密集人群场景条件下，前景图像小目标物体和其他物体存在相互遮挡和干扰等造成的特征噪声。采用传统人群定位方法学习得到的人头特征容易遭受特征噪声的影响，进而容易造成人头特征判别性弱和边界信息获取不准确。针对上述问题，文章提出一种特征去噪方法用于人群定位，其利用语义特征解耦的思想抑制特征噪声以增强独立人头的检测。不同于旨在改善图像视觉质量的传统像素域去噪方法，所提方法将在特征空间对多尺度特征进行去噪，促使模型学习到更多目标类特征，并抑制干扰特征。通过前景目标特征与背景特征的语义解耦，分别增强和减弱头部特征和背景特征响应，有利于改善独立个体目标的检测。实验结果表明，所提出的方法在密集人群数据集Shanghai Tech、UCF-QNRF和NWPU-Crowd上的平均F1值分别为81.2%,72.4%和77.1%，提高了密集人群定位的性能。