随着经济的繁荣,城市的发展给人们的生活水平带来了物质上和精神上的提高,大量人群涌入城市,为城市带来劳动力和新气象的同时,也让本就拥挤的城市更加拥挤,特别是在周末节假日期间,人群更易集中在城市的某些景点、繁华街道等等,造成这些地方的大规模拥挤,接踵而来的是诸如拥挤踩踏等各种不安全事件的反复发生。人为去监管看护这些地方不仅浪费人力物力,往往也很难达到更好的效果,因为人工无法一直盯着流动的人群,而踩踏等事故的发生又都是随机的不确定的。繁华的街道、景点往往都有公共场所的摄像头,那么我们就可以利用这些摄像头实时的采集人群信息,分析人群拥挤状况,在可能发生安全事故前向人群发出警告。本文的主要创新点在于:1)在群体特征提取过程中加入了阴影去除,提高准确率。传统的群体统计算法过多的考虑了特征提取,忽视了对阴影等噪点的影响。为了提高特征检测效率,更加准确的检测到人的个数,本文采用了基于HSV色彩空间的阴影去除方法来对图像进行处理。2)充分考虑摄像头拍摄过程中产生的畸变,引入透视变换的方法对视频进行矫正。由于在摄像头的角度等问题,所得到的图像大多发生了畸变,对于后面的特征提取会产生一定的影响,所以选择了一种基于归一化的透视矫正方法对图像进行矫正,然后运用SURF算法对图像特征进行提取,构造特征向量,以机器学习的方式来学习和检测视频。从实验结果中可以看出通过透视矫正,SURF点数和人数的相关性有所提高,通过矫正,有助于优化后续的检测结果。最后,用几组数据作对比实验,结果也证明了阴影抑制和透视变换对人群数量检测有较好的实验效果。