随着我国国民经济的高速发展，人口的城市化程度越来越高，城市内很多场合的人口密度越来越大，人群作为一种特殊的管理对象，越来越受到人们的重视。人群的有效管理需要确切地知道人群的状态。我们知道，对于流体来说，在诸多的描述参数中，密度和速度这两个参数对描述其状态至关重要。同样的，如果把人群看作一种流体，那么在它静止不动时，人群密度是其状态的重要描述参数。当人群流动时，人群的密度和速度则是描述其状态的主要参数。本文研究了基于图像处理的人群密度和运动的估计，应用数字图像处理，数字视频处理和模式识别等技术，估计某一固定场景内人群的密度与运动。 本文在人群密度估计方面，提出了一种基于多分辨率分析和分形的人群密度估计方法。当人群密度较低时，利用基于像素数统计的方法，统计出人群前景图像与背景图像像素的比值作为人群密度的度量。为了进行背景去除，本文引入了基于时间轴信息的参考背景生成方法。考虑到摄像机由透视效应产生的几何畸变问题，本文采用一种简单的感兴趣区划分方法，较好的修正了几何畸变引起的误差。当人群密度较高时，由于人群的交叠，基于像素统计的方法已不适用，因此本文采用基于纹理分析的方法估计人群密度。针对密度较高的人群图像，本文提出了一种基于多分辨率分析和分形的人群密度估计方法。不同于以往的纹理分析方法，本文对人群图像具有透视效应这个问题，引入了多尺度分析，在不同尺度上分析原图像的频域特征。多尺度分析采用小波包分解。由于小波包分解后的人群图像的子带图像有较明显的分形特性，本文应用分形维数来描述子带图像的纹理特征。另外，由于人群图像的测试训练样本较少，本文采用支撑向量机作为分类器，提高分类准确率。通过实验验证，相对之前的人群密度估计方法，本文的方法更为准确有效。 在人群运动估计方面，本文应用块匹配法估计人群的运动方向和运动速率。块匹配法是数字视频处理中进行运动估计最常用的方法，可计算各个块在相邻帧间的运动。虽然相邻帧中每一个块的运动并不都是人群对象的运动，但人群作为一个集合体，其运动趋势有望与所有块的总体运动趋势相一致。本文即通过统计一定方向上块的运动矢量总和从而判断人群的总体运动方向。另外，本文根据相邻两帧的时间间隔，估算出了人群在图像平面上的运动速率。实验表明，本文方法估计人群运动方向与速率的结果与人工观察的结果符合得很好。