随着社会经济的不断发展,城镇水平的不断提高。城镇人口数量越来越多,随处可见拥挤的人群,异常群体事件发生几率也随之变大。给人们的生命安全问题带来了巨大威胁。尤其是在火车站、汽车站等人流量巨大的地方,安全隐患尤为严重。因此利用视频监控系统进行人群密度估计已越来越受到重视。近年来关于人群密度估计算法的成果很多,但却总存在一些缺点如计算量繁重、实时性不足、精度低等。本文总结了前人的经验,在算法的精度和实时性能上提出了一些新的改进,在嵌入式系统中实现了人群密度估计。主要工作有如下几点:本论文对背景差分法、帧间差分法、三帧差分法以及改进的三帧差分相结合的这四种前景提取方法做出了仿真对比实验,并分析各自的优缺点,接着用Roberts算子对提取出的前景图像进行边缘提取,并通过最小二乘法方法得到了人群前景二值图像像素总值和人群数量的拟合曲线,实现了人群数量的快速估计。通过仿真实验可以看出所提取的人群前景效果好,而且算法的性能满足实时性要求。其次论文研究了基于纹理特征分析的人群密度分类算法,采用灰度共生矩阵进行图像纹理特征提取,并通过仿真实验选取了合适的方向角,灰度级以及步长,为了进一步降低计算量,本文提出了一种基于主成分降维的方法,获得了两个主成分量,最后通过交叉验证法对支持向量机提取出了最合适的核函数参数和惩罚因子,大大提高了人群密度分类的准确率,最后进行了实验仿真验证。最后,通过数据传输、存取带宽,以及流水线操作的优化设计实现,完成了灰度共生矩阵算法在嵌入式系统上的移植,通过测试实验验证算法的移植满足实时性要求。