1、交通调度。对公交站、地铁站和火车站等区域的乘客数量进行估计，分析不同时段的人群密度情况，不仅可以为工作人员制定合理的工作计划提供帮助，还可以为交通调度提供数据支持，有助于相关部门制定更加有效的车次安排和调度计划。

2、市场调查。对货架前顾客的密度进行估计，可以知道顾客对哪些商品比较感兴趣，有助于管理者合理安排货物摆放顺序，不仅可以减轻人工调查的工作量，还能进一步提高货品销售量。

3、建筑设计。对建筑物内的人群进行密度估计，可以分析出人群的分布规律和运动范围，可适当加固人群容易聚集的区域（如电梯），设置合理的安全通道，为建筑物的设计和施工提供参考，提高建筑物的实用性和安全性。

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、大型体育场、大型娱乐中心、医院、电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者采集相应措施，对于提高人群安全具有重要意义。

根据不同的场景分别有不同的人群密度估计方法。

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

针对高密度人群，我们采用基于灰度共生矩阵与分型人数的人群密度估计方法。因为中高度人群图像更具有纹理特征，所以我们采用基于纹理分析的方法提取人群密度特征，利用灰度共生矩阵提取统计特征值如熵、对比度以及能量等，采用差分盒维数法计算图像的分形维数。另一方面，由于此时人数与特征之间的线性关系不明显，因此，我们采用分线性分类方法实现人群密度估计，考虑到支持向量机的模型可以使分类性能达到最优。