1.一种基于视频流的人群数量估计方法，包括以下步骤：将视频流进行预处理得到前景图像，所述前景图像为人群图像；

根据下述公式计算所述前景图像的图像势能Ep，式中，mij为像素质量，mij∈{0，1}，像素质量为1表示该像素为前景，像素质量为0表示该像素为背景；X为图像的宽度，单位为像素；Y为图像的高度，单位为像素；gimg为势能系数，gimg为常量；yij为像素的Y轴坐标；H为场景中物体离摄像头的最近距离，H的选取使场景中单个行人的图像势能不随距离镜头的距离发生预设幅度变化；

将所述前景图像的图像势能Ep除以单个行人的平均图像势能获得人群估计数量。

2.根据权利要求1所述的人群数量估计方法，其特征在于，所述将视频流进行预处理得到前景图像的步骤具体包括：利用高斯混合模型获取当前处理帧的背景；

将当前处理帧减去所述背景获得前景图像。

3.根据权利要求1所述的人群数量估计方法，其特征在于，在所述将视频流进行预处理得到前景图像的步骤之后还包括：将所述前景图像进行二值化，并利用数学形态方法对前景图像进行去噪声处理。

4.根据权利要求1所述的人群数量估计方法，其特征在于，所述H选取的步骤包括：取单个行人在场景中的n帧图像；

计算所有图像的图像势能，并求出所有图像的图像势能方差；

最小化训练图像的图像势能方差即可获得最优估计的参数H。

5.根据权利要求1所述的人群数量估计方法，其特征在于，还包括根据重叠系数对人群数量进行修正的步骤：具体为将人群数量乘以重叠系数。

6.一种局部人群聚集状态检测方法，包括以下步骤：采用如权利要求1所述的人群数量估计方法估计图像中的人群数量N；

根据分布熵公式计算图像中的人群散度D：D＝H(X)*H(Y)；

式中，H(X)表示水平分布熵，px(i)代表水平前景直方图第i帧的概率分布，H(Y)表示水平分布熵，py(i)代表垂直前景直方图第i帧的概率分布；

根据所述人群数量N和人群散度D计算人群分布指数CDI，设定人群分布指数阈值，根据所述人群分布指数阈值检测人群聚集状态，当人群分布指数大于阈值时，则判定人群为聚集状态。

7.根据权利要求6所述的局部人群聚集状态检测方法，其特征在于，在所述根据分布熵公式计算图像中的人群散度D的步骤之前还包括：将图像向水平和垂直方向投影，构建水平和垂直方向的图像直方图；

根据所述构建的图像直方图，计算概率分布；

根据所述概率分布计算水平方向和垂直方向上的分布熵。

8.一种人群跑动状态检测方法，包括以下步骤：采用如权利要求1所述的人群数量估计方法估计图像中的人群数量N；

根据分布熵公式计算图像中的人群散度D：D＝H(X)*H(Y)；

式中，H(X)表示水平分布熵，px(i)代表水平前景直方图第i帧的概率分布，H(Y)表示水平分布熵，py(i)代表垂直前景直方图第i帧的概率分布；

根据所述人群数量N和人群散度D计算人群分布指数CDI，根据图像光流速度和人群分布指数计算图像动能：式中，Ek为图像动能，X为检测到的光流特征点个数，Vi为图像中第i个光流特征点的光流速度，CDI为人群分布指数；

设定图像动能阈值，根据所述图像动能阈值检测人群跑动状态，当所述图像动能大于阈值时，则判定人群为跑动状态。

9.根据权利要求8所述的人群跑动状态检测方法，其特征在于，在所述根据分布熵公式计算图像中的人群散度D的步骤之前还包括：将图像向水平和垂直方向投影，构建水平和垂直方向的图像直方图；

根据所述构建的图像直方图，计算概率分布；

根据所述概率分布计算水平方向和垂直方向上的分布熵。

10.根据权利要求8所述的人群跑动状态检测方法，其特征在于，计算所述图像光流速度的步骤包括：提取图像中的Harris角点作为特征，由Lucas-Kanade光流法进行跟踪特征计算光流；

根据所述光流计算所述图像光流速度。