随着人民生活质量的提高,运动场馆、电影院、商场等成为人群聚集场所。人群聚集带来的安全问题成为当今社会关注的焦点,目前主流方法是在监控视频中采用人群密度估计方法,通过估计静态图像密度图的方式进行人数统计。由于造成人群聚集的根本因素是进出口人流无限制,导致内部人群聚集,采用人群密度方法对人群聚集的计数不能在根本上通过人流情况及时控制人群,避免异常事件的发生。针对以上问题,本文以监控视频中人流的动态变化为研究对象,实现对检测口的自动人流统计与异常事件的自动检测,并对人流密集情况进行预测和出现的异常事件进行预警,管理人员可以根据实际情况做出相应的决策,避免场所内部人群聚集与异常事件的发生。人流统计中多数采用不同检测口对人流出入分开检测统计方法,本文选择同一检测口对双向人流统计,难度更大,为了更为准确地预测公共场所人流密集情况,本文把出入人流分开来处理,采用不同方式对出入人流进行统计,并对人流中是否存在异常事件进行检测判断。本文的研究内容如下:(1)基于头部检测方法的入人流统计。考虑到一般监控摄像头在人流处自上而下进行监控,获得头部较明显,采用头部作为检测目标,选取不同网络进行参数调整训练与模型对比选择,选择使用多任务卷积神经网络(MTCNN)作为入人流检测网络,并结合帧间目标匹配跟踪算法实现入人流统计。(2)基于人体检测方法的出人流统计。不同于入人流的头部检测,本文对于出人流中人数的统计采用对人体进行识别跟踪的方法。将减少遮挡影响的损失函数分别和单阶段网络SSD、两阶段网络Faster RCNN相结合,使用公开行人数据集进行相应的参数调整与模型训练,对比模型的检测精度和速度,选择SSD网络结合减少遮挡影响的损失函数作为离开行人检测网络,并结合入人流统计和帧间目标匹配跟踪方法实现整个人流统计。(3)人流统计与状态检测系统展示。针对异常事件,本文采用视频重构算法和多示例学习算法分别进行实验,将实验结果从多方面对比分析,选择合适的异常事件检测器,并结合人流统计方法应用于双向人流场合,实现对视频中人流的统计与异常事件检测,并搭建系统以可视化方式将检测结果展示,对人流超出和异常事件进行预警。