近年来随着民航旅客运输量的急剧增加，各种突发性事件也频繁发生，造成了重大的人员伤亡和财产损失。如何防止机场内人员聚集密度过大，对于保障社会稳定具有非常重要的意义。由于大型机场航站楼旅客多、监控区域广，因此利用机场航站楼视频监控系统进行人群密度估计具有深远的意义和科学的实用性。本文对视频监控系统中传统的人群密度估计方法进行了讨论研究。首先提出了用于彩色视频的背景生成和更新算法，然后在HIS颜色空间进行背景减除，提高了基于像素数统计的人群密度估计算法的准确性。在基于纹理分析的人群密度估计中，选用灰度共生矩阵提取纹理特征值，提出分段二分思想实现RBF核支持向量机的参数优化，从而得到泛化性能好的支持向量机分类器进行人群密度等级分类。根据机场航站楼的环境特点和应用性要求，本文对传统的人群密度估计方法进行了优化。对于前景像素与背景像素颜色接近难以区分的问题，本文利用基于在线高斯混合模型和纹理信息的方法进行运动人群的图像分割，然后结合背景减除的方法实现人群的优化提取。针对航站楼摄像头数量多且监控场景相似的特点，引入参考场景的思想，通过校正方法实现人群密度的快速估计。实验结果表明本文算法在机场航站楼的实际应用中快速有效，为机场的安全预警系统提供了有力的帮助。