随着国民经济的高速发展，人们的社会活动日益丰富，各类大型活动如体育盛会、文娱活动和商场促销的举办使公共场所中的人群聚集越来越频繁，聚集规模也越来越大，对公共安全产生了极大的隐患。因此，如何有效利用计算机和图像处理技术，实时监测公共场所人群活动，对人群密度异常情况及时预警，并采取相应的措施，对于维护公共秩序，保障人群安全具有非常重要的研究意义。本文对目前主流的人群密度估计方法进行分析研究，并改进相关算法。针对医院应用场景，采用一种基于分块的人群密度估计方法，从而实现对医院人数的实时监测。使用结合平均背景和帧间差分的方法提取人群图像背景，并利用灰度直方图整体阈值法对背景减除后的差分图像进行二值化处理提取运动的人群前景目标。针对人群密集程度不高的情况，采用一种基于像素特征与最小二乘曲线拟合的方法，利用基于二值图像的方法提取目标边缘，分别统计出人群前景像素面积和边缘像素数量，再利用最小二乘法分别拟合人群数量与两个像素特征的关系曲线，根据得到的拟合曲线对人群密度进行定量估计。该方法对低密度人群图像的密度估计准确度较高，但对高密度图像估计误差较大。为解决密集人群的密度估计问题，采用一种基于灰度共生矩阵与支持向量机的方法，计算出图像的灰度共生矩阵，并在矩阵基础上提取出图像的纹理特征，将得到的纹理特征送入基于RBF核函数的支持向量机分类器中并使用一对一多类分类方法进行分类训练，根据得到的密度分类器对人群密度进行定性估计。针对医院场景实时人数监测的应用要求，采用一种基于分块的方法，利用摄像机投影透视模型将图像划分为若干个实际监控面积大小相等的子图像，分别采用上述两种方法进行人数的定量估计和密度的定性估计，从而得到整个监控区域的密度分布图，对监控区域局部的密度异常情况能及时发现并准确定位，为保障就医环境，维护医疗秩序和医院安全提供有力的帮助。对杭州某医院门诊大厅内采集的一段视频进行人群密度估计，实验表明该方法能有效的估计人群数量，准确度较高，而且处理每帧图像平均耗时0.197s，可以满足实时性需求。因此，基于分块的人群密度估计方法能应用于实际场景中。