随着全球经济水平的不断提高和科技的快速发展,社会公共安全管理问题迎来新挑战的同时,也出现了更加先进和智能的安全防范措施和工具。智能监控系统已成为当今社会公共安全领域不可或缺的技术。作为智能监控一个关键研究领域,人群分析获得极大的关注,成为一个研究热点。人群分析与社会公共安全管理密切相关,对公共安全事故的预防和应对有至关重要的作用。人群分割是人群分析中极具价值的一环,具有重要的研究意义和应用价值。对于密集人群分割来说,密集人群场景中人群分布不规则、背景杂乱等问题使得人群分割问题具有很大的挑战性。现有传统的静态人群分割方法只能够定位人群区域的主要部分,而无法同时很好地检测到人群区域的边缘部分,针对以上问题以及密集人群场景中人群区域大面积连通的特点,本文提出了一种基于粒计算和SLIC（简单线性迭代聚类,Simple Linear Iterative Clustering）的粒融合密集人群分割方法。本文主要的研究内容和工作如下:（1）介绍了基于粒计算的密集人群分割方法的模型框架。首先,利用粒计算结构化思维将人群和背景区域的局部像素点聚合起来形成粒,从而将密集人群分割问题转化为经典的二分类问题,将粒分成人群粒或背景粒,从而得到人群分割结果。（2）根据粒形成的方式和图像中粒的分布特点,设计了一种粒图像融合算法对粒的划分进行优化。粒图像融合算法的判别规则是利用LRI（Local Range of Intensity）分布熵对人群粒和背景粒的区别性设计而成的。在对图像粒的分类过程中,将颜色特征用于密集人群分割,提高了人群分割效果。（3）为了验证本文方法和所用特征的有效性,从Shanghai Tech Part＿A数据集选取了一些图像分辨率不同、场景各异的人群场景图像,然后对这些图像进行人群分割真实值标注,将其制作成为用于人群分割的数据集。实验结果表明,本文提出的基于粒计算和SLIC的粒融合密集人群分割方法能够较完整地分割人群区域,使用的特征也对人群分割效果有较大的提高。