本书从行人视频检测方法的研究、正常情况下的人群疏散模型研究和紧急情况下的人群疏散模型研究三个方面进行阐述： 1.根据不同的交通状态，提出了低密度情况下基于运动的行人检测方法和高密度情况下基于人头的行人检测方法。在低密度状态下提出了基于行人运动的检测方法：从改进权值参数和控制方差两个方面对传统的高斯模型（GMM）进行了改进，有效地减少了由于交通冲突使得运动前景融入背景模型的可能；建立了基于Kalman滤波和Mean-Shift算法的目标跟踪方法，改进了多个运动目标相互合并或分离时的处理方法；通过BP神经网络对运动个体进行分类，进而得到行人的运动信息；在高密度状态下提出了基于人头的改进的行人检测方法：提出了基于头发颜色在RGB和HSV颜色空间、脸部颜色在YUV颜色空间的混合颜色模型进行头部区域检测；建立了基于Canny算法与小波变换的人头轮廓提取方法，实现对人头轮廓的提取；根据Hough变换提出了基于人头图像的圆环检测方法，对人头进行精确定位并统计行人流量。最后，通过实际的实验分析，验证了所提出的高、低密度状态下行人视频的检测方法有效性和先进性。