如今在计算机领域,随着计算处理能力和机器学习的发展,智能化的概念已经深入社会的每个角落。智慧景区的概念也应运而生,通过计算机来帮助人类完成对景区的科学管理,以取代传统景区完全依靠人力的模式。尤其是在景区监控领域,传统的依靠人力监控的模式容易出现判断不准、不及时等问题,亟需计算机来辅助人类来完成这些判断。对于景区的人群密度估计,是景区人群监控的重要环节之一,对于这一方面的研究也持续了很多年,本文对近年来国内外对于这一问题的研究现状进行了介绍,并总结了人群密度估计的一般框架,通过总结已有方法的优缺点和景区的特点,提出了一种基于多特征集成学习的景区人群密度估计方法。首先本文对于如何解决透视投影效应的问题进行了相关的研究,传统的方法存在着如需要在实地进行相机标定、在某些特征上难以实施以及跨相机移植性差的问题,针对这些问题,本文提出了一种基于面积的分块方法,通过引入“面积”尺度因子,结合权值图和分块的方法,使得不同场景能够被简单地划分同等“面积”的子图像块,从而容易进行算法或者模型的移植;然后本文对于局部人数估计的传统方法进行了评估,这些方法对于人数的估计精度往往不高,因为一方面前景提取对于复杂场景效果不佳,另一方面单一特征对于人群表达存在不足,因此本文提出了一种学习策略的多特征集成学习的方法,通过在原图上提取不同的特征,对不同特征学习得到的基学习器的输出结果进行再学习,来提高回归的精度;接着本文对传统的局部到整体的人数叠加的方法进行了剖析,这种方法容易带来二次误差,因此本文设计了一种水平方向重叠的分块方式并结合支持向量机来进行学习,通过这种再学习的策略能比较有效地解决这种二次误差;最后在实验部分,首先对本文系统的各个单元进行不同方法的测试,说明了本文选择这些方法的原因,然后在本文数据库和公共数据库上与其他方法进行了比较,本文方法表现出更好的准确性,最后在其他景区场景进行了测试,采用相同的模型也能达到90%以上的分类准确率,表明了本文方法的扩展能力。