公众聚集场所人群高度聚集、流动性大,构成了具有动态性、不确定性等特点的复杂地理场景。高密度聚集、流动的人群隐藏着巨大的安全隐患,时常发生拥挤踩踏等突发公共事件。突发公共事件应急管理是保障公共安全的核心问题,所以,如何快速感知与监控突发公共事件是国内外公共安全保障重点关注的热点问题。随着社会的发展,世界各国政府已将视频监控技术的研究与应用上升到战略高度,从政策、法律、经济等方面给予大力支持。然而,目前基于视频监控系统的群体突发事件感知处理智能化水平有待进一步提升,特别是地理环境下的视频分析、行为感知等研究,亟待发展一种集地理环境与视频分析于一体、高效准确的新型感知模式和诊断技术,以满足对突发公共事件的管理和应对需求。鉴于此,本文以视频数据与GIS数据的协同分析和聚合理解为科学手段,拟突破地理环境下区域人群状态与行为的感知等关键科学问题,发展视频分析与空间分析耦合的区域人群状态与行为感知方法,取得了以下研究成果：(1)提出了一种可跨摄像机的自适应人群密度估计方法。现有基于视频分析的人群密度估计模型具有较强的场景依赖性,无法实现人群密度估计模型的跨摄像机应用,需对各监控摄像机进行模型训练,浪费了大量的人力与物力,阻碍了布设有大量监控探头区域的人群监控应用。本文提出了一种可跨摄像机的自适应人群密度估计方法,在地理空间构建人群密度估计模型,解决了不同监控设备之间人群图像的尺度多样化问题,克服了模型的场景依赖性,大大提高了人群密度估计模型的构建效率。(2)提出了地理环境下的群体行为模式分析方法。以往对人群运动状态的监控基于图像空间,无法感知人群的真实运动状态。为实时感知监控人群在地理环境下的真实运动状态,提出了GIS环境下的群体行为模式分析方法,在地理参考下求算人群运动矢量场,通过分析人群运动矢量场,可得到监控区域人群的群体运动模式、群体运动趋势及各方向的群体运动速度。(3)设计了相关群体异常行为检测方法。利用地理参考下的人群运动矢量场,结合本文的群体行为模式分析方法,设计了人群骤聚、骤散、运动趋势突变、运动速率突变、逆向行走等群体异常行为检测方法,可进一步分析得到监控区域人群状态的时空热点,为突发事件的预防提供依据。(4)构建了基于贝叶斯网络的监控盲区人群状态推演模型。监控摄像机在人群活动区域的的布设大都稀疏、离散、无重叠,无法直接获取监控盲区的人群状态。本文提出了基于贝叶斯网络的监控盲区人群状态推演模型,可利用已有的稀疏人群状态监控信息,推演监控盲区的人群状态,进而得到整个人群活动区域的人群状态空间格局。(5)进行了区域人群状态的时空格局演化分析。利用多个时刻的人群状态空间格局,对实验区人群状态的时空格局演变进行了分析,得到了人群状态分布的时空模式,并结合其他数据进一步分析了形成人群状态时空模式的机理,可为安保人员的布控、设施规划、人群疏导、商业策略等提供决策依据。(6)研发了区域人群状态与行为感知系统。基于以上研究成果,设计并开发了区域人群状态与行为感知系统,并以南京市夫子庙步行街地区为试验区进行了应用。