经济社会的发展,使得公共场所的视频监控需求强烈。目前,在车站、广场、政府机关门口等公共场所已有大量的视频监控设备投入使用,但这些设备只能完成视频图像的获取与记录,并不能智能的对人群进行分析,仍然需要大量的人力来完成对异常情况的监控任务。随着监控点布置得越来越多,人力已经越来越难以完成实时的监控情况分析。如何在现有监控设备获取的视频源中完成对人群情况的分析,并对异常情况做出预警,是近年来研究的热点。本文开展了对基于人流量的公安群体性事件决策分析预警系统中的若干关键技术问题的探讨,论文主要研究内容包括：一,对前景目标检测方法做了探讨,提出一种结合时空混合高斯背景建模和三帧差法的目标检测算法,能有效应对背景中出现的非平稳波动。并对前景目标检测中的阴影、噪声、孔洞等干扰做了处理,通过实验验证其效果。二,对视频图像中人数统计算法做了研究,设计一套人数统计方案,探讨其中的关键算法,并通过实验验证其有效性。除了精确的计数外,也对基于图像像素特征和人数的拟合做了研究,对人数进行估计,以获得人群密度。三,研究了基于机器学习的人群密集度估计方法。采用灰度共生矩阵提取图像特征量,用支持向量机方法对采集到的不同人群密度的视频图像进行了分类,以获得人群密度级别,实验取得了较好的效果。