随着人口的增长和人群活动的多样化,人群拥挤的现象随处可见。如果人群越拥挤,那么发生人群事故的可能性也就越大。现有的需要人值守的视频监控系统对人群安全隐患的预警能力越来越差,因此对智能监控系统的需求变得越来越迫切。本文主要研究智能监控系统中人群密度估计的问题,其核心关键技术包括:人群目标检测技术、人群特征提取技术和人群特征回归技术。全文主要工作如下:本文首先通过实验分析了现有的运动目标检测算法的优缺点,包括帧差法、均值函数法、高斯背景建模法、码本模型法和ViBe算法。然后选用了时间复杂度适中,且前景提取效果也比较理想的ViBe算法。最后,基于帧差法提取兴趣区域来解决ViBe算法无法完成初始帧中目标区域的背景模型更新的问题。同时,基于HSV颜色空间来进行阴影抑制。实验结果表明,改进的ViBe算法可以提取出更加完整的人群前景。针对视频监控中的透视效应问题,本文首先利用线性内插生成一个透视校正矩阵。然后基于这个透视校正矩阵分别改进像素统计、纹理和角点等人群特征的表征能力。最后融合这三类特征进行回归分析,建立人群特征与人群人数之间的模型。通过实验和分析,本文发现大多数人群特征与人群人数之间是一个线性的关系,且存在着无关特征和冗余特征。针对这个问题,通过L1范数约束线性回归的优化目标函数,完成人群特征的自动选择。并基于交叉验证法选取出最优的收缩率,使回归模型能够尽可能地剔除无关特征和冗余特征,从而提高模型的精度和泛化能力。最后,本文基于MFC+OpenCV 2.4.10设计了人群密度估计系统,并在PETS2009基准数据集上进行了实验。实验结果表明,本文提出的人群密度估计算法估计出的人群人数的精度比较高。