随着人类生产活动和社会经济的快速增加，导致群体性异常事件与日俱增，从而对整个社会公共安全和稳定构成了威胁。通过人群人数的动态变化特性分析可以有效预防群体性异常事件，因此统计监控场景下的人群人数是人群安全态势中的一个重要研究内容，也是视频监控领域研究的热点问题，课题研究具有重要的研究和应用价值。　　本文主要研究了人群人数统计中存在的一些问题。首先，在人群前景检测算法检测到的人群前景中常存在孔洞和断裂问题，该问题将会影响后续人群块特征的提取和模型的训练；其次，像素特征和纹理特征能有效描述不同密度等级人群，如何更好的融合这些不同的特征以提高训练模型的性能，是本课题研究的第二个主要问题；最后，传统人群人数统计算法需要标记大量训练数据训练模型，这将会明显增加人力和财力。针对这些问题，本文展开了以下相关研究和分析。　　(1)针对人群前景检测算法中出现的前景孔洞和断裂问题，研究并提出了一种结合二次轮廓提取和漫水填充的方法，该方法在人群目标块比较集中时能更加有效填充前景目标块的孔洞。　　(2)针对像素特征和纹理特征具有描述不同密度人群的特性，提出了一种动态融合像素特征和纹理特征的方法，该方法根据人群目标块遮挡严重程度动态融合像素特征和纹理特征，充分利用了不同类型特征描述不同密度人群的特点。　　(3)针对训练模型时需要标记大量标签数据问题，研究了一种基于迁移学习的方法，该方法从与目标场景相似人群场景迁移已经标记的人群数据，以补充目标场景训练数据，从而节省了人力物力。　　(4)在VS2010编程环境下，结合OpenCV图像处理库，开发了一个人群人数统计系统软件，通过实验验证了本文方法的有效性。