随着社会经济的持续稳定发展和人民群众物质文化生活水平的不断提高，城市居民在一些重要公共区域集聚已成为常态。高度集聚的人群本身就蕴藏着风险，一旦遭遇暴恐、火灾等突发事件，极易造成较大的人员伤亡和严重的财产损失。因此，基于易于采集的视频数据对集聚人群开展相关研究有着广泛的社会应用需求。由于密集人群的视频数据天然具有透视偏差和遮挡性的不足，以及行人在与环境和其他个体交互过程中其行为决策会动态变化，所以利用视频数据对集聚人群的风险进行客观、准确的分析具有一定的挑战性。本文针对集聚人群中的行人数量和运动状态开展研究，提出了有效的行人计数方法和运动有序度分析方法，具体内容包括:　　1)设计了基于混合回归方程的行人数量计算方法ELMGP。针对广场视频存在的行人分辨率过低的问题，通过图像分析技术，从视频图像中提取前景特征，纹理特征和角点特征并构建图像特征向量。利用超限学习机和高斯过程回归方法构建了可适应行人流稀疏变化的行人计数方程，有效解决了广场视频的行人计数问题。　　2)提出了基于双区域学习的行人计数方法DRL。针对地铁站视频中存在的透视效应和行人遮挡，通过区域分割策略将整个图像分割为近区域和远区域。在近区域中，采用带有错误抑制策略的行人检测算法统计此区域中的行人数量。在远区域中，根据区域场景特征使用ELMGP计算行人数量。最后，基于两个区域的计算结果获得整个场景的行人数量。DRL根据人群场景的结构特征分区域采用合适的行人计数算法，降低了行人遮挡和透视变换对于准确度产生的影响。　　3)实现了场景敏感的运动有序性度量方法SCMAA。利用KLT光流法和霍夫变换，实现对场景结构的准确提取。根据场景结构的隔离效应，合理计算人群个体间相互作用的影响范围。改进了基于信息传递路径的运动有序性度量算法Collectiveness，通过消除无效信息传递路径的计算，提高度量结果的计算效率和准确性。　　4)利用Unity3d引擎和人群仿真技术设计开发了一个动态可交互群体仿真系统。采用动态可配置的方法搭建场景，提升了仿真场景的扩展性。根据SCMAA的计算流程设计了数据分析子系统，可以对仿真结果进行实时、准确的可视分析。通过场景动态搭建和数据分析子系统，研究人员可以从更加全面的角度分析集聚人群运动状况，解决了由于视频拍摄角度限制导致基于视频的分析结果存在局限性的问题。　　针对上述提出的方法和系统设计，实验结果证明本文的方法是有效可行的，系统具有较强的可用性。通过本文设计的方法和研制的系统，有助于从行人数量和行人运动状况两个角度探究集聚人群风险的演化机制，为公共安全监测预警提供科学支撑。