El conteo de multitudes no es simplemente una cuestión de contar el número de personas, sino que también requiere obtener la distribución espacial de las personas en una imagen. Sigue siendo una tarea desafiante para escenas concurridas, oclusión y variación de escala. Este artículo propone una red de atención global y local (GLANet) para un conteo de multitudes eficiente, que aplica un mecanismo de atención para mejorar las características. En primer lugar, el módulo extractor de características (FEM) utiliza el VGG-16 preentrenado para extraer un mapa de características simple. En segundo lugar, el módulo de atención global y local (GLAM) captura de manera efectiva la información de atención local y global para mejorar las características. En tercer lugar, el módulo de fusión de características (FFM) aplica una serie de convoluciones para fusionar varias características y generar mapas de densidad. Finalmente, realizamos algunos experimentos en un conjunto de datos principal y los comparamos con el rendimiento de los métodos más avanzados.