文献综述（或调研报告）：
随着我国经济的飞速发展，社会制度发展相对滞后，造成了段时间内社会矛盾突出。近几年暴力事件、群体事件时有发生，这些问题都给人们的生产生活带来巨大损失，也是监管部门棘手的问题。因此如何有效的对突发人群的密度进行监控和预警，是一个很有价值的课题，国内外的学者们也对此给予了高度重视。
人群密度过高而造成的群体事件很多，比如各地发生的踩踏事件就是很好诠释了人群密度过高所引起的问题。人群容易聚集的地方极易发生诸如踩踏、恐慌、群殴等群体事件，而这些事件的一个共同点就是人群密度过高，所以对人群密度的监控和估计成为了解决此类问题的首要技术难题。
基于视频图像的人群密度估计，是通过固定的摄像头采集固定场景的视频图像，通过对这些视频图像分析处理进而对人群的人进行识别、提取和统计。并在此基础上分析人群模型确定人群密度分类登记，以及不同等级所对应的预警级别和可能会引起的群体事件。
90年代之前，人群密度估计主要依靠人工估计，安保人员未在模拟监控显示设备前观察特定区域的监控画面，并及时判断人群密度情况。这种方法沿用了很多年，具有设备简单的有点，但精度差，主观性强，实时性差。要实现全天24小时监控，就必须有人一直坚守在显示设备前，这样就会造成人力资源的浪费，并且容易出现纰漏。
随着这十几年来计算机视觉和数字图像处理技术的快速发展，使得这一问题得到了逐步的解决，模拟设备也被数字设备取代。
目前，基于视频图像的人群密度估计在国际上的研究方向主要分为两个方向，其一，分别提取视频中的个体进行分析，并实现人数统计，这种方法称为微观分析；其二，对视频中的人群整体进行研究提取相关特征参数，以达到从宏观上分析人群的密度。
1985年，Fruin等人提出了人群密度与人群行为的理论，即当人群密度超过阈值的时候，人群将会有引发群体事件的风险。这个理论给出了人群事故和人群密度间的关系，也为这之后人群密度估计研究提供了方向。
1990年开始已经有相关研究成果出现。其中Davies和Marana是代表，前者代表着基于像素统计的人群特征提取方法，而后者首先提出了基于纹理特征提取的分析方法。这两种方法是人群密度估计的主要方法，之后的研究成果都是在此基础上展开的。
1999年，W.S.Chow提出了使用经过训练的神经网络分析人群密度，结果显示此方法对人群密度估计的准确率有很大的提高，并且这种方法已于2000年在香港地铁系统中得到了应用。除了利用神经网络来进行人群密度分类，近年来支持SVM理论也越来越多应用到其中。它以其优良的性能得到了广泛的认可。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
