随着中国城市化进程的加快,城市的规模不断增大,在一些大型集会、交通枢纽等人流密集场所发生大规模踩踏事件的风险增加,我们可以将人群密度作为一个衡量人群环境风险的指标,而传统的人工监控的方法的不足之处在于主观性强、可靠性低、有效时长短,这是由人的生理特性(注意力难以长时间集中,易疲劳)决定的,智能视频监控技术的发展可以对人群进行实时的监控,并对人群密度进行分级,对可能出现的事故风险进行预警。本文针对应用于人群密度监测的智能视频监控技术的核心算法做了进一步研究,提出了以现有主流的两类人群密度估计算法为基础的优化算法,一类是基于像素统计的算法,本文分别利用多元线性拟合和BP神经网络来描述像素特征值和人群人数之间的线性和非线性关系,并比较了它们在不同人群密度环境下统计人群人数的效果;而针对第二类基于纹理分析的人群密度估计算法,本文通过利用灰度共生矩阵的特点,结合支持向量机的分类功能实现对高密度人群的分类,同时考虑到提取到的人群图像的纹理维数较高,导致数据处理的计算量增大,不利于视频的实时处理,本文采用主成分分析(PCA)的方法,分别提取1元、3元和12元纹理统计量,并比较他们在人群密度估计上的效果。