对众多公共场所,如广场、车站等地方分析人群状态,进行人数统计是公共安全领域的重要课题之一,在智能信息处理学科也具有重要的研究意义和广泛的应用价值。智能化人群监控技术已成为当前的一个的研究热点,它作为智能监控中的一项关键技术,在人群管理方面有着重要的现实意义。如何实现性能良好的人群分析方法,仍是目前需要进一步研究的问题。本学位论文将小波分解用于人群分析,提出了一种基于频域的人群人数估计和运动方向分布的评价算法,并将人群人数和运动的混乱程度用于人群异常检测。首先,针对在频域中处理图像数据具有良好的抗噪性能的特点,提出了一种基于频域能量的人群人数的估计算法。该算法先采用二级小波分解将视频图像分解,再把所得到的高频细节子带图像作为研究对象,提取刻画人群人数的能量,建立人群人数和能量的关系,利用线性回归求解人群人数。其次,对通过小波分解后所得到的近似图像,采用块匹配方法进行人群的运动估计。利用该方法可以获得人群特征点的运动矢量,再通过将运动矢量转化为运动方向直方图,从中可以得到人群的运动方向,然后将运动方向直方图转化为信息熵来描述人群的混乱程度。最后,结合人群人数和运动方向分布的信息熵来判断人群状态是否存在异常。将人群人数和人群的运动状态结合起来能够实际地反映人群的当前状态。针对人群聚散性,本文从人群的人数变化和运动趋势两个方面进行了分析研究。实验结果表明,本文提出的人群人数估计算法与人群运动状态的算法,具有数学模型简单、准确率高的特点。另外,在频域中提取特征,对噪声污染具有良好的鲁棒性。