1、交通调度。对公交站、地铁站和火車(chē)站等區(qū)域的乘客数量进行估计，分(fēn)析不同时段的人群密度情况，不仅可(kě)以為(wèi)工作人员制定合理(lǐ)的工作计划提供帮助，还可(kě)以為(wèi)交通调度提供数据支持，有(yǒu)助于相关部门制定更加有(yǒu)效的車(chē)次安排和调度计划。

2、市场调查。对货架前顾客的密度进行估计，可(kě)以知道顾客对哪些商(shāng)品比较感兴趣，有(yǒu)助于管理(lǐ)者合理(lǐ)安排货物(wù)摆放顺序，不仅可(kě)以减轻人工调查的工作量，还能(néng)进一步提高货品销售量。

3、建筑设计。对建筑物(wù)内的人群进行密度估计，可(kě)以分(fēn)析出人群的分(fēn)布规律和运动范围，可(kě)适当加固人群容易聚集的區(qū)域（如電(diàn)梯），设置合理(lǐ)的安全通道，為(wèi)建筑物(wù)的设计和施工提供参考，提高建筑物(wù)的实用(yòng)性和安全性。

4、人群安全。对一些容易发生人群聚集的公共场所如大型广场、大型體(tǐ)育场、大型娱乐中心、医院、電(diàn)影院进行实时的人群密度检测，对于人群拥挤情况及时预警并通知管理(lǐ)者采集相应措施，对于提高人群安全具有(yǒu)重要意义。

根据不同的场景分(fēn)别有(yǒu)不同的人群密度估计方法。

中低密度人群使用(yòng)基于像素统计的多(duō)元線(xiàn)性回归方法估计人群密度。首先利用(yòng)背景减法与自适应背景更新(xīn)方法提取人群前景，并进行边缘检测，然后假定人数与前景边缘長(cháng)度、前景面积、前景边缘梯度方向直方图之间存在较好的多(duō)元線(xiàn)性关系，通过多(duō)元線(xiàn)性回归分(fēn)析，得到人数与这些特征之间的多(duō)元線(xiàn)性模型，实现人数估计，进而实现密度估计。

针对高密度人群，我们采用(yòng)基于灰度共生矩阵与分(fēn)型人数的人群密度估计方法。因為(wèi)中高度人群图像更具有(yǒu)纹理(lǐ)特征，所以我们采用(yòng)基于纹理(lǐ)分(fēn)析的方法提取人群密度特征，利用(yòng)灰度共生矩阵提取统计特征值如熵、对比度以及能(néng)量等，采用(yòng)差分(fēn)盒维数法计算图像的分(fēn)形维数。另一方面，由于此时人数与特征之间的線(xiàn)性关系不明显，因此，我们采用(yòng)分(fēn)線(xiàn)性分(fēn)类方法实现人群密度估计，考虑到支持向量机的模型可(kě)以使分(fēn)类性能(néng)达到最优。