随着经济社会的发展，尤其是我国城镇化进程的推进，城市人口密度越来越大，城市公共交通、生活设施等经常会迎来短期的人流高峰，人群的高度拥挤若不能得到及时有效疏散容易造成灾祸。因此，基于视频系统的智能化人群监控技术也随之受到越来越多的关注和研究。 本文研究了基于视频和图象处理的智能化人群密度估计的方法。首先介绍了人群密度检测的国内外发展现状及其基本理论。通过分析可知，基于像素统计的密度估计方法较为简单，但是当人群密度较高、人群遮挡严重时误差较大；使用纹理分析的方法可以充分利用图像的纹理信息，但是算法复杂度较高。 针对以上问题，本文提出在不同密度人群情况下采用不同的密度估计算法的解决方法。每幅图像首先通过计算前景人群象素面积将图像初步分为低密度和中高密度两类，然后对低密度人群使用基于象素统计的方法估计人数；对中高密度人群使用基于纹理分析的方法进一步估计密度。 对于低密度人群，本文提取人群前景像素面积以及边缘面积这两种特征，然后利用最小二乘线性拟合方法估计出这两类特征与人数的线性关系。在获取人群前景面积方面，本文主要采用背景差分法以及自适应阈值二值化法获取前景人群，并使用数学形态学消除噪声和孤立点。在边缘检测方面，本文比较了不同边缘检测算子的性能，并提出基于二值图像的边界检测的方法获得人群边缘，降低了算法复杂度，并通过实验表明本文所用方法的有效性。 对于高密度人群，本文采用基于灰度共生矩阵的纹理分析方法，对纹理特征的提取和选择进行研究，并通过实验确定了灰度共生矩阵的最佳参数，然后引入基于统计学习理论的支持向量机进行分类，通过研究如何建立支持向量机的模型以使分类性能达到最优，实验验证了方法的可行性。