伴随着全球经济的快速增长,世界一体化加速,人员的聚集变得更加频繁,异常群体事件时有发生,这给人们的生命财产造成了巨大的损失,也使得基于视频监控的异常群体事件预警存在着巨大的市场需求。视频图像处理技术的快速发展,使得基于视频图像的异常群体事件预警成为可能,人群密度是异常群体事件的主要特征,所以基于视频图像的人群密度估计是实现异常群体事件预警的第一步,也是最重要的一步,其涉及到了图像处理、计算机视觉、模式识别等诸多学科,已成为了当前视频监控领域的研究热点和难点。本文针对基于视频图像的人群密度估计方法进行了比较深入的研究,对前人的工作做了系统的总结,研究了两种适应固定场景下不同情况的人群密度估计算法,并做了一些改进,所做的具体工作如下:(1)简要介绍了智能视频监控技术的发展概况,并研究了主流智能视频监控系统的结构,对其中的核心部件进行了分析;简要介绍了不同类型人群目标检测方法,阐述了基于混合高斯背景模型的人群目标检测方法的理论依据;对平滑滤波、数学形态学处理和频域滤波等图像去噪方法进行了分析对比;针对人群监控视频中存在的射影畸形问题,引入了基于线性内插权重的透视矫正算法,并分析了其原理与实现流程。(2)分析了固定场下稀疏人群的特点,引入了基于像素统计的人群密度估计算法,详细分析了其原理与实现流程。对基于混合高斯背景模型的人群目标检测方法做了详细的研究,针对经典混合高斯背景建模,提出了融入空间信息和改变动态权值更新函数的两点改进。(3)分析了固定场景下密集人群的特点,引入了基于纹理分析的人群密度估计算法。研究了基于灰度共生矩阵的人群图像纹理提取方法,并根据固定场景下密集人群图像纹理的特点选取了对比度、相关性、能量和逆差阵四个参数来衡量人群图像纹理的特征,进而实现基于视频图像的人群密度估计。(4)采集了不同类型的人群视频图像,对这两种算法分别进行了仿真,并对结果做了详尽的分析对比。