1、交通調(diào)度。對公交站、地鐵站和火車站等區(qū)域的乘客數(shù)量進(jìn)行估計，分析不同時段的人群密度情況，不僅可以為工作人員制定合理的工作計劃提供幫助，還可以為交通調(diào)度提供數(shù)據(jù)支持，有助于相關(guān)部門制定更加有效的車次安排和調(diào)度計劃。

2、市場調(diào)查。對貨架前顧客的密度進(jìn)行估計，可以知道顧客對哪些商品比較感興趣，有助于管理者合理安排貨物擺放順序，不僅可以減輕人工調(diào)查的工作量，還能進(jìn)一步提高貨品銷售量。

3、建筑設(shè)計。對建筑物內(nèi)的人群進(jìn)行密度估計，可以分析出人群的分布規(guī)律和運(yùn)動范圍，可適當(dāng)加固人群容易聚集的區(qū)域（如電梯），設(shè)置合理的安全通道，為建筑物的設(shè)計和施工提供參考，提高建筑物的實用性和安全性。

4、人群安全。對一些容易發(fā)生人群聚集的公共場所如大型廣場、大型體育場、大型娛樂中心、醫(yī)院、電影院進(jìn)行實時的人群密度檢測，對于人群擁擠情況及時預(yù)警并通知管理者采集相應(yīng)措施，對于提高人群安全具有重要意義。

根據(jù)不同的場景分別有不同的人群密度估計方法。

中低密度人群使用基于像素統(tǒng)計的多元線性回歸方法估計人群密度。首先利用背景減法與自適應(yīng)背景更新方法提取人群前景，并進(jìn)行邊緣檢測，然后假定人數(shù)與前景邊緣長度、前景面積、前景邊緣梯度方向直方圖之間存在較好的多元線性關(guān)系，通過多元線性回歸分析，得到人數(shù)與這些特征之間的多元線性模型，實現(xiàn)人數(shù)估計，進(jìn)而實現(xiàn)密度估計。

針對高密度人群，我們采用基于灰度共生矩陣與分型人數(shù)的人群密度估計方法。因為中高度人群圖像更具有紋理特征，所以我們采用基于紋理分析的方法提取人群密度特征，利用灰度共生矩陣提取統(tǒng)計特征值如熵、對比度以及能量等，采用差分盒維數(shù)法計算圖像的分形維數(shù)。另一方面，由于此時人數(shù)與特征之間的線性關(guān)系不明顯，因此，我們采用分線性分類方法實現(xiàn)人群密度估計，考慮到支持向量機(jī)的模型可以使分類性能達(dá)到最優(yōu)。