随着社会节奏加快与城市人口扩张，人流密集的大型活动也日益增多，当人群密度达到一定程度时，极易发生拥挤甚至踩踏事件。传统的人工监控费时费力效率低，而智能化人群监控技术能对人群密度进行自动监控与管理，对各行业人群检测与管理具有重要意义。
　　目前前人群人数统计方法还存在着如下问题：首先，在人群前景目标提取时，提取到的前景目标块有孔洞和噪音干扰，影响特征选取与人数统计的准确度；其次，背景建模时间长，从而导致人群异常预警不及时；第三，使用像素统计特征和纹理特征作为人群特征，如何对二者进行筛选与组合，以有效地描述人群密度；最后，如何以尽可能少的学习代价建立预测模型，从而快速有效地预测人群人数。针对上述问题，本文展开了以下研究：
　　(1)针对背景建模时间长的问题，本文采用视觉背景建模方法(Visual BackgroundExtractor，VIBF)，快速建立背景模型，该方法鲁棒性较高且易于实现，提高了建模效率。但检测到的前景目标块有孔洞不完整及噪音干扰的问题，为此设计了两种形态学结构元素，通过调整其大小以选取最佳参数，从而有效地填充了细小孔洞、连接邻近物体并平滑边界，获得了良好的去噪效果并得到了较为完整精确的前景目标。
　　(2)对于像素统计特征和纹理特征选取问题，通过单一特征及不同特征组合进行实验，得到效率与精确度并重的特征维数与组合，充分有效地描述了不同密度的人群特特征，为后续人群人数估计提供了保证。
　　(3)针对人群人数预测模型问题，基于超限学习机(Extreme Learning Machine，ELM)理论构建双列的ELM人数预测模型，通过实验合理选择模型参数，达到简单、快速地对人群人数进行建模，实现了对人群人数较为精确的预测。
　　(4)在Matlab编程环境下，开发了一个人群人数计数软件，并通过实验对本文方法进行了有效验证。