随着经济社会的发展,城镇化比例的提高,出现各式各样的聚集性活动。然而,人群的高密度聚集行为存在潜在的安全隐患如踩踏等,严重危害人们的生命财产安全。准确感知人群密度,并在潜在风险发生前,快速制定疏散方案,是人们关注的热点。本文研究基于人群密度感知的疏散模型。人群密度感知网络对实时视频数据同步分析,生成的密度图作为疏散模型的输入,通过位置映射算法动态生成疏散场景中行人的初始化位置,疏散模型快速仿真疏散预案。本文主要工作如下:（1）为解决由于透视现象引起的人头尺度变化问题,提出基于补偿器与多列结构的人群密度感知网络（CMCNet）。该网络采用双端结构进行特征提取,前端采用调整后的VGGNet前十层提取输入图片特征,后端不同感知野分支进一步学习不同尺度特征表示,补偿器再对不同分支进行权重补偿。将CMCNet与主流方法进行对比,实验结果表明,CMCNet的准确率较高,补偿器模块改善效果明显。（2）为综合分析情绪感染和疏导员对人群疏散过程的影响,提出基于情绪感染和疏导员的社会力疏散模型（ecaSFM）。首先,利用基于自适应窗口的核密度估计算法（awKDE）对行人位置进行动态初始化。然后,建模情绪感染,通过行人恐慌值改变行人自驱动力,以动态调整行人的速度和方向。最后,建模疏导员作用,设置疏散助手的最优数量和位置,有效地引导具有恐慌心理的疏散人员,使疏散更加合理和高效。实验表明,ecaSFM真实有效地反映情绪感染和疏导员对人群疏散的影响,并且疏散效率优于主流模型。