随着城市化建设进程的加快以及经济社会的发展，城镇化的进度也在新建设体系中逐步加快，人群聚集的情况也会越来越多，例如一些娱乐活动、展览活动、体育赛事、庆祝等大规模活动中出现愈加频繁，这些公共活动的安全问题成为相关部门关注的焦点，因此基于计算机视觉技术实现人群密度监控得到了广泛的研究。　　本文研究的重点是智能监控中的人群密度估计方法，在对人群密度估计的研究现状进行分析的基础上，给出了图像像素特征和图像纹理特征相结合的人群密度估计方法。首先通过混合高斯背景建模得到前景运动人群，然后对前景图像进行畸变校正，统计运动人群的前景面积，如果前景面积占整个图像运动区域的面积较小时则将其判定为低密度，反之则为高密度或者正常密度人群，然后使用融合LBP特征和灰度共生矩阵特征对图像进行纹理分析，提取常用的纹理特征，将灰度共生矩阵提取的特征值作为运动人群的纹理特征，最后使用BP神经网络进行训练分类，并且利用视频在时间序列上的相关性，在传统的人群密度估计算法流程上增加了时间序列修正环节，有效的降低了漏报率和误报率。　　在进行人群密度划分的时候采用模糊分类的思想，因为人类视觉估计的密度等级也是模糊的，其判断结果往往是基于以往的学习经验，是通过人类大脑的模糊思维过程而得出的一个大致的、概念性的密度范围的表述，采用模糊分类更符合人眼的观察结果。　　实验结果表明，本文结合像素特征和纹理特征估计人群密度的方法，对人群密度等级的估计具有良好的效果，便于应用在实际场景中，为相关部门保障公共安全和人民生命安全提供了有力的帮助。