受全球都市化的影响，大量的人群聚集易造成人群拥挤、发生踩踏伤亡等不幸事件，同时人群密度的增大也将会使城市的公共交通迎来短期的人流高峰，人群的高度拥挤若得不到及时有效的疏散，对城市的治安将会造成较大的威胁。因此，自动的对人群信息进行有效地分析从而估计出人群密度，已经成为智能视频监控的研究热点。本文研究的重点是如何对视频监控中的人群密度进行估计。首先需要对监控场景的视频图像提取人群前景图像，然后对其提取人群密度特征，最后将获得的密度特征值送入分类器中，从而得到人群密度。在人群前景提取方面，本文首先采用加权平均法对人群图像进行灰度化，然后采用中值滤波法进行噪声的消除，最后采用自适应的视频帧差法来构造背景图像，通过背景减操作获得人群前景图像。在人群密度的特征提取方面，本文首先介绍了人群密度监控技术的研究现状及基本理论，通过分析可知，基于纹理的分析方法对于高密度且有遮挡的人群场景非常有效。因此，本文采用基于灰度共生矩阵的纹理分析方法来提取人群密度特征，通过实验研究确定了灰度共生矩阵的最佳参数，并选择了能量、熵、对比度及逆差矩4个重要的特征作为人群图像的纹理特征。在模式识别的分类问题上，本文采用支持向量机作为估计人群密度的分类器，按照分类规则，使用训练样本建立了支持向量机分类器模型，通过实验采用“粗调加细调”方法测试研究了径向基核函数的核参数和惩罚参数C的最佳组合的选取。最后，为了验证本文算法的有效性，分别对两个不同的人群视频进行了实验，测试样本的准确率均达到了95%以上。实验结果表明本文方法简单有效，便于应用在实际场景中，为有关部门能更好地保障公共安全提供了有力的帮助。