随着城市社会和经济的高速发展，大规模群体活动变得日益频繁。尤其是近年来，随着体育赛事、娱乐活动和各类展会等公共活动在规模和数量上的扩大，群体安全监控问题正成为相关部门关注的热点。视频监控及相关技术的迅速发展，为从视频分析的角度进行人群的管理和监控奠定了基础。人群的流量和密度是人群监控领域的两个重要指标，也是群体管理的重要依据。P0lus[1]提出，人群密度与群体安全以及人群所需求的服务等级密切相关。这一理论为之后人群密度和群体安全之间关系的研究奠定了基础。传统的视频监控一般通过人工来实现人群监控，不但费时费力，也不易获得定量结果。近年来，随着计算机视觉和人工智能领域相关技术的发展，基于计算机智能视频分析的人群密度估计和人数统计算法大量涌现。但是现有的人群密度分析和人数统计大多基于分割技术，随着群体规模的扩大，系统的复杂度将迅速提高，将极大的限制系统的实用性。本文着眼于大规模人群的密度分析和人数统计，在总结并分析了当前主流的人群密度分析和人数统计算法的基础之上，进一步进行了如下几个方面的研究。首先，本文完成并改进了大规模群体分析中的人群特征预处理技术。在人群特征提取的过程中，摄像头的抖动、阴影存在都会对系统的精度带来很大的影响，本文通过窗口化的方法对基于背景差的前景提取算法进行了改进，同时采用颜色空间变换的方法对前景中的阴影进行抑制。在人群密度分析和人数统计的过程中，由于人距离摄像机的远近所产生的透视效应会对系统的精度产生很大的影响，本文提出了线性内插权重的射影畸形矫正算法，有效的解决了透视效应造成的人群特征畸形问题。其次，本文改进并提出了部分群体特征的提取方法，解决了人群密度分析当中的射影畸形、变视角问题和人数统计中的人群特征提取问题。传统的像素统计特征和灰度共生矩阵不考虑摄像机的透视效应，本文通过透视矫正参数的引入，解决了人群特征提取过程中的射影畸形问题。另外，针对视频监控中摄像头旋转、安装角度和方位不同所带来的变视角特征问题，本文采用了最大稳定极值区域检测算子，用于人群特征提取算法，最大稳定极值区域具有仿射不变的特性，在变视角情况下具有更好的适应性。与密度估计系统相比，人数统计系统对特征提取的精度方面要求更高，上述方法能够提供的特征信息量比较有限，容易造成比较大的系统误差，本文运用了Gabor滤波器组对人群纹理特征进行描述，Gabor滤波器组可以提供多方向、多尺度的人群特征信息，更适用于大规模群体的人数统计。最后，本文设计了大规模人群密度估计和人数统计系统。首先，本文综合利用了像素统计特征和改进的灰度纹理共生矩阵特征设计了人群密度估计系统，因为像素统计特征和灰度纹理共生矩阵特征分别在低密度人群和高密度人群的分析方面具有更好的性能，因此本文的系统在全密度范围内都具有比较高的精度。另外，在视频监控当中，往往存在因摄像机的旋转、安放位置等差异造成的变视角问题，即测试样本数据采集的视角和训练样本数据采集的视角不同，本文设计了利用改进的人群最大稳定极值区域特征的人群密度分析系统，利用最大稳定极值区域的仿射不变性，提高了变视角人群密度估计的精度。最后，在人数统计分析方面，传统分割算法在群体规模增大时复杂度迅速提高，针对这一问题，本文设计了基于Gabor滤波器组和统计回归相结合的人群人数统计系统。通过建立人群特征和在景人数的函数关系达到人数统计的目的。同传统的基于分割的人数统计算法相比，本文的系统不拘泥于个体特征，从群体整体着眼，更加适合大规模群体的人数统计。