1.一种基于视频的密集人群流量计算方法，其特征在于，包括以下步骤：步骤1：获取运动行人目标的视频序列；

步骤2：通过帧差分对视频帧进行处理，提取运动行人目标；

步骤3：对提取的行人目标进行形态学处理；

步骤4：获取行人目标运动轨迹，基于运动轨迹对行人目标进行计数；

所述步骤4中基于运动轨迹对行人目标进行计数包括：

对于每一个行人目标，获取该目标的运动距离；计算该行人目标的运动方向；对该行人目标进行越界检测；当运动距离有效、运动方向与设定方向一致，且通过检测线时，执行计数；反之，不执行计数，对下一个行人目标进行判断。

2.如权利要求1所述的一种基于视频的 密集人群流量计算方法，其特征在于，所述步骤2包括：第i帧视频用Ii表示，第i+1帧视频用Ii+1表示，第i+2帧视频用Ii+2表示，分别计算Ii与Ii+1的差分图像Diffi以及Ii+1与Ii+2的差分图像Diffi+1；

对Diffi和Diffi+1进行阈值化处理，得到Diffi_t和Diffi+1_t。

3.如权利要求1所述的一种基于视频的密集人群流量计算方法，其特征在于，所述步骤

3包括：

对Diffi_t和Diffi+1_t中像素值为1的区域进行形态学运算，先腐蚀后膨胀，得到fi和fi+1，其中Diffi_t表示Ii与Ii+1的差分图像经过阈值化处理后的图像，Diffi+1_t表示Ii+1与Ii+2的差分图像经过阈值化处理后的图像。

4.如权利要求1所述的一种基于视频的密集人群流量计算方法，其特征在于，所述步骤

4中获取行人运动轨迹包括：fi、fi+1分别表示Ii与Ii+1、Ii+1与Ii+2的差分图像经过阈值化处理和形态学运算后得到的图像，从0开始标记fi中每个单连通的取值为1区域，令标记的最大值为M，令Si(m)表示fi中第m个单连通的区域，其中0≤m≤M，Ci(m)表示第m个单连通的区域的质心；

从0开始标记fi+1中每个单连通的取值为1区域，令标记的最大值为N，令Si+1(n)表示fi中第n个单连通的区域，其中0≤n≤N，Ci+1(n)表示第n个单连通的区域的质心；

在fi+1中搜索与fi中第m个标记区域的匹配区域，即其中 表示最佳匹配区域的质心坐标，||Ci+1(n)-Ci(m)||表示Ci+1(n)与Ci(m)的欧式距离。

5.如权利要求4所述的一种基于视频的密集人群流量计算方法，其特征在于，Si(m)的运动方向的计算公式为：其中ORIi(m)表示Si(m)的运动方向，其取值为±1；sign表示数值符号运算符。

6.如权利要求4所述的一种基于视频的密集人群流量计算方法，其特征在于，Si(m)是否越界的判断方式为：这里Cross_State表示越界检测标识，CL表示设定的越界检测线坐标。

7.一种基于视频的密集人群流量计算装置，其特征在于，包括：数据获取模块，用于获取运动行人目标的视频序列；

目标提取模块，用于通过帧差分对视频帧进行处理，提取运动行人目标；

区域生长模块，用于对提取的行人目标进行形态学处理；

数目统计模块，用于获取行人目标运动轨迹，基于运动轨迹对行人目标进行计数；

所述数目统计模块中基于运动轨迹对行人目标进行计数包括：对于每一个行人目标，获取该目标的运动距离；计算该行人目标的运动方向；对该行人目标进行越界检测；当运动距离有效、运动方向与设定方向一致，且通过检测线时，执行计数；反之，不执行计数，对下一个行人目标进行判断。

8.如权利要求7所述的一种基于视频的密集人群流量计算装置，其特征在于，所述数目统计模块中运动距离、运动方向和越界检测通过以下方式实现：fi、fi+1分别表示Ii与Ii+1、Ii+1与Ii+2的差分图像经过阈值化处理和形态学运算后得到的图像，从0开始标记fi中每个单连通的取值为1区域，令标记的最大值为M，令Si(m)表示fi中第m个单连通的区域，其中0≤m≤M，Ci(m)表示第m个单连通的区域的质心，Ai(m)表示第m个单连通的区域的面积；

从0开始标记fi+1中每个单连通的取值为1区域，令标记的最大值为N，令Si+1(n)表示fi中第n个单连通的区域，其中0≤n≤N，Ci+1(n)表示第n个单连通的区域的质心，Ai+1(n)表示第n个单连通的区域的面积；

在fi+1中搜索与fi中第m个标记区域的匹配区域，即其中 表示最佳匹配区域的质心坐标，||Ci+1(n)-Ci(m)||表示Ci+1(n)与Ci(m)的欧式距离；

Si(m)的运动方向的计算公式为：

其中ORIi(m)表示Si(m)的运动方向，其取值为±1；sign表示数值符号运算符；

Si(m)是否越界的判断方式为：

其中Cross_State表示越界检测标识，CL表示设定的越界检测线坐标。