近年来,国内人口的快速增长和人民生活水平的不断提高导致公共场所的人流量和人群密度激增。当公共场所中人流密集时人工监控很难对场景中所有行人及时跟踪和分析,导致未能及时发现安全隐患。因此亟需在现有的监控设备上开发一套可以快速检测监控场景内行人的实时动态和分布的系统辅助工作人员有效完成对公共场所的监控。本文通过研究和改进背景建模、行人分割、目标跟踪、密度检测、路径规划等相关算法并将其有机的结合在一起,实现在静态背景下对多行人目标进行检测、跟踪、密度检测与模拟疏散。本文的主要研究工作如下:(1)针对视觉背景提取(Visual Background Extractor,ViBe)算法提取运动行人过程中存在鬼影且消除慢的问题提出了一种结合三帧差分法和灰度特征的改进ViBe算法,利用鬼影的空间特性和颜色特征加快鬼影消除,并将改进ViBe算法与多种运动目标检测算法进行对比分析。针对人群密集场景下前景目标粘连问题提出了分步投影分割的方法,通过对粘连前景进行多次垂直投影和水平投影实现对粘连行人的分割和非行人目标的筛除。(2)针对时空上下文视觉跟踪(Fast Tracking via Spatio-Temporal Context Learning,STC)算法在跟踪行人过程中遇到干扰时会出现不可逆漂移问题提出了一种基于ViBe校正的STC算法,利用行人的运动特性,通过ViBe算法的检测结果对STC算法的跟踪误差进行修正,并将改进后的STC算法与多种主流跟踪算法对比分析。针对STC算法不能同时跟踪多个目标的问题,设计相应的目标更新策略和多线程结构将STC算法扩展为多目标跟踪算法,同时采用拌线法结合多目标跟踪结果统计场景中的累计行人数。(3)针对密集人群检测问题提出了一种基于金字塔模型的搜索判定方法,采用金字塔模型搜索策略检测场景中行人分布状况,根据判决条件划分不同密度人群区域,通过修改判决条件参数达到适应不同环境的要求。针对密集人群疏散过程中易发生拥堵问题提出了一种基于A~*算法的时间优化人群分流策略对密集区域内目标进行模拟多出口快速疏散。并在不同场景下对密集人群检测算法及时间优化人群分流策略进行测试和结果分析。