1、在人流密集的場所，人群的過度集中帶來了巨大的安全隱患，所以在這些區(qū)域?qū)θ肆髅芏冗M行智能監(jiān)測是一個亟需解決的問題，它對相關部門盡快地實施交通調(diào)度，保證公共安全以及疏散人群都有著重要的指導意義。
　　本文用實際拍攝的視頻分別研究了基于像素統(tǒng)計和基于紋理特征的人流密度估計算法并設計了一種壓力檢測的方法作為視頻監(jiān)控的補充方案，具體分為以下幾個方面:
　　(1)首先研究了基于像素統(tǒng)計的人流密度估計算法的具體步驟，詳細探討了運動目標檢測

2、、噪聲消除、背景建模以及邊緣檢測的各種方法，最后使用該算法對視頻中的人流密度進行了分類并分析了最后的實驗結果，得出像素統(tǒng)計的方法對于低密度人流的監(jiān)測具有較高的準確率。
　　(2)通過構建灰度共生矩陣的方法提取目標圖片的紋理特征，分析了不同的像素距離、方向和灰度級對紋理特征值的影響，接著引入支持向量機的方法對5個密度等級的樣本圖片進行訓練，并用訓練后的分類模型預測了測試圖片的人流密度等級，根據(jù)預測的準確率，得出基于紋理特征的人流密度

3、估計算法對于高密度人群具有很強的鑒別能力，最后分析了某些檢測樣本的類別被錯誤預測的原因。
　　(3)針對視頻監(jiān)控方法受環(huán)境影響較大的缺點，本文提出了在一些特殊的場合可以使用壓力檢測的方法去補充視頻監(jiān)控的不足。通過壓力檢測裝備提取行人的腳印特征，用噪聲消除方法、腳印分割算法以及行人方向判別算法對不同方向的行人進行計數(shù)，使用軟件對實際情況進行模擬，仿真結果表明此方法能夠準確地對不同方向的行人進行計數(shù)。
　　綜上所述，本文用三種方