針對實際公共場景視頻的人數(shù)統(tǒng)計中存在的背景干擾、光照變化、目標間遮擋等問題，提出一種結(jié)合特征圖譜學習和一階動態(tài)線性回歸的人數(shù)統(tǒng)計方法。首先，建立圖像的尺度不變特征變換（ SIFT）特征與目標真實密度圖之間的特征圖譜映射模型，利用SIFT特征和前述映射模型得到包含目標和背景特征量的特征圖譜；然后，根據(jù)通常監(jiān)控視頻中背景變化較小、特征圖譜中的背景特征量相對穩(wěn)定的特點，由特征圖譜的積分與真實人數(shù)通過一階動態(tài)線性回歸建立人數(shù)回歸模型；最后，通過該回歸模型模型得出估計人數(shù)。在數(shù)據(jù)集MALL和PETS2009上進行實驗，實驗結(jié)果表明：與累積屬性空間方法相比，所提方法平均絕對誤差降低了2.2%；與基于角點檢測的一階動態(tài)線性回歸方法相比，其平均絕對誤差降低了6.5%，平均相對誤差降低了2.3%。

　　當前我國經(jīng)濟高速發(fā)展，城市人口密度日益增大。公共場所人群數(shù)量監(jiān)管不足極易導致嚴重的踩踏事件，如2014年12月31日上海外灘踩踏事件。人數(shù)是公共場所監(jiān)管的重要指標，良好的人數(shù)檢測預警系統(tǒng)可有效避免此類事件。監(jiān)控視頻作為公共場所最直接的監(jiān)控數(shù)據(jù)載體，具有信息量大、易獲取的特點，因此基于視頻的人數(shù)統(tǒng)計方法有較大現(xiàn)實研究意義。然而實際公共監(jiān)控視頻存在諸多影響人數(shù)統(tǒng)計精確度的因素，如復雜背景干擾、光照變化、目標的透視失真以及行人間的遮擋。實際監(jiān)控場景下的人數(shù)統(tǒng)計極具挑戰(zhàn)性，有必要探索精度更高的人數(shù)統(tǒng)計方法。