1.一种基于ELM的双路融合的人群人数统计方法，其特征在于，具体按以下步骤实施：步骤1，建立基于ELM的双路融合的人群统计模型：

设计两路超限学习机ELM1和ELM2分别捕获人群人数的像素特征和纹理特征与人群人数的关系，并通过第三个超限学习机ELM3实现人群人数的融合；

步骤2，利用训练集图像分别训练步骤1建立的人群统计模型；

步骤3，采用经步骤2训练的人群统计模型对视频图像中的人群人数进行统计。

2.根据权利要求1所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述步骤1中ELM1，有两个输入，分别为人群前景目标的周长和面积；一个输出，为由ELM1估计出的人群人数；一个隐层，节点数为50；

ELM2，有47个输入，包括32个韦伯特征WLD和15个灰度共生矩阵特征GLCM；一个输出，为由ELM2估计出的人群人数；一个隐层，节点数为4000；

ELM3，有两个输入，分别连接ELM1的输出和ELM2的输出；一个隐层，节点数为45；一个输出作为最后融合后统计出的人群人数。

3.根据权利要求1所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述步骤2中训练集图像，包括已采集的人群视频图像和视频图像中对应的人群人数。

4.根据权利要求1或3所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述步骤2具体为：

2.1对训练集图像，采用基于ViBe方法建立背景模型图像，运用背景减除法获得初步的人群前景目标；

2.2提取每幅图像的人群前景目标的像素特征，作为ELM1的输入，图像中的人群人数作为ELM1的输出，训练ELM1；提取每幅图像的纹理特征，作为ELM2的输入，图像中的人群人数作为ELM2的输出，训练ELM2；

2.3分别将训练集图像中人群前景目标的像素特征和纹理特征输入训练好的ELM1和ELM2中，将ELM1和ELM2的输出作为ELM3的输入，将图像中的人群人数作为ELM3的输出，训练ELM3。

5.根据权利要求4所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述步骤2.1中，初步获得人群前景目标需进行后处理，消除孔洞不完整和噪音干扰。

6.根据权利要求5所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述后处理具体为：采用形态学中的闭运算对初步获得的人群前景目标进行后处理，其中膨胀采用椭圆形结构元素，椭圆的短轴在水平方向、半径为2个像素；椭圆的长轴在垂直方向、半径为5个像素；腐蚀采用长方形的结构元素，其宽和高分别为2个像素和6个像素。

7.根据权利要求1所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述像素特征包括周长和面积；纹理特征，包括韦伯特征WLD和灰度共生矩阵特征GLCM。

8.根据权利要求1所述的一种基于ELM的双路融合的人群人数统计方法，其特征在于，所述统计过程具体为：获取需要估计人群人数的视频图像的人群前景目标，提取人群人数的像素特征和纹理特征，分别作为ELM1和ELM2的输入，并将ELM1和ELM2的输出作为ELM3的输入，经ELM3的融合输出，即可得到需要估计人群人数的视频图像中包含的人群人数。