随着世界人口的不断增加和社会经济的快速发展，群体性事件与日俱增，从而人群安全问题已经成为人们关注的热点问题。视频监控技术的高速发展是对群体性事件控制的重要技术保障。人群密度甚至具体人群人数是对群体性事件进行有效管理的重要依据。传统的视频监控完全是以人工监视为主。这种人工的方法需要巨大的监视工作量，而且，随着监视时间的增长，监视人员的注意力会下降，很容易遗漏场景中发生的问题。而事后对存储数据的查找、分析，即使发现问题也为时已晚。近年来，不断涌现出大规模人群密度估计和人数统计算法。但是现有的人群密度估计和人数统计算法有许多不足，比如实时性不太好、精度有待进一步提高等等。本文总结现有的大规模人群密度估计和人数统计算法的基础上，对密度估计和人数统计分别提出了新的算法。首先，本文综合利用了特征点统计特征和灰度纹理共生矩阵特征的优点，并且结合支持向量机回归方法设计出了一种新的人群密度估计系统。因为特征点统计特征适合估计低密度人群，而灰度纹理共生矩阵特征比较适合估计高密度人群，因此本文的设计的系统无论是对低密度还是对高密度人群的估计，都具有比较高的精度。而且基于特征点的方法不需要提取前景图像，因此本文的密度估计系统具有较好的实时性。通过本文方法和经典的人群密度估计方法比较得出，本文方法具有较高的精度。最后，本文用主成份分析方法分析纹理统计量之间的相关性并且提出了一种基于3元纹理统计量的人数估计方法。通过主成份分析方法得出只需要第一主成份作为1元统计量即可比较准确地估计人群人数，并且发现纹理统计量最重要的3个指标为各方向的对比度。本文还通过对第一主成份作为1元统计量、3元重要的纹理统计量以及全部12元纹理统计量的比较实验，得出基于3元重要的纹理统计量的人数估计方法更加适合估计人群人数。实验结果表明，本文结合特征点和纹理统计量估计人群密度的方法，基于纹理统计量的人数统计方法，都具有较好的精度和实时性。