1、隨著城市化建設(shè)進(jìn)程的加快以及經(jīng)濟(jì)社會(huì)的發(fā)展，城鎮(zhèn)化的進(jìn)度也在新建設(shè)體系中逐步加快，人群聚集的情況也會(huì)越來(lái)越多，例如一些娛樂(lè)活動(dòng)、展覽活動(dòng)、體育賽事、慶祝等大規(guī)?；顒?dòng)中出現(xiàn)愈加頻繁，這些公共活動(dòng)的安全問(wèn)題成為相關(guān)部門(mén)關(guān)注的焦點(diǎn)，因此基于計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)人群密度監(jiān)控得到了廣泛的研究。
　　本文研究的重點(diǎn)是智能監(jiān)控中的人群密度估計(jì)方法，在對(duì)人群密度估計(jì)的研究現(xiàn)狀進(jìn)行分析的基礎(chǔ)上，給出了圖像像素特征和圖像紋理特征相結(jié)合的人群密度估計(jì)方法

2、。首先通過(guò)混合高斯背景建模得到前景運(yùn)動(dòng)人群，然后對(duì)前景圖像進(jìn)行畸變校正，統(tǒng)計(jì)運(yùn)動(dòng)人群的前景面積，如果前景面積占整個(gè)圖像運(yùn)動(dòng)區(qū)域的面積較小時(shí)則將其判定為低密度，反之則為高密度或者正常密度人群，然后使用融合LBP特征和灰度共生矩陣特征對(duì)圖像進(jìn)行紋理分析，提取常用的紋理特征，將灰度共生矩陣提取的特征值作為運(yùn)動(dòng)人群的紋理特征，最后使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練分類(lèi)，并且利用視頻在時(shí)間序列上的相關(guān)性，在傳統(tǒng)的人群密度估計(jì)算法流程上增加了時(shí)間序列修正環(huán)節(jié)

3、，有效的降低了漏報(bào)率和誤報(bào)率。
　　在進(jìn)行人群密度劃分的時(shí)候采用模糊分類(lèi)的思想，因?yàn)槿祟?lèi)視覺(jué)估計(jì)的密度等級(jí)也是模糊的，其判斷結(jié)果往往是基于以往的學(xué)習(xí)經(jīng)驗(yàn)，是通過(guò)人類(lèi)大腦的模糊思維過(guò)程而得出的一個(gè)大致的、概念性的密度范圍的表述，采用模糊分類(lèi)更符合人眼的觀察結(jié)果。
　　實(shí)驗(yàn)結(jié)果表明，本文結(jié)合像素特征和紋理特征估計(jì)人群密度的方法，對(duì)人群密度等級(jí)的估計(jì)具有良好的效果，便于應(yīng)用在實(shí)際場(chǎng)景中，為相關(guān)部門(mén)保障公共安全和人民生命安全提供了有