人流热力地图已经广泛投入实战运用，但谷歌和百度的人流热力地图存在三大缺陷，即对小范围人流情况定位不准，不进行软件操作无法抓取数据，对定位人群身份识别模糊。此外，还有的人流热力地图是采取红外线定位、蓝牙定位等第三方软硬件布设的方式抓取人群数据，投入资金量大，仍旧无法识别身份信息，应用场景受到硬件设施的局限更大。
最新的人流热力地图是利用通讯运营商全球手机用户的手机信号，进行精准定位抓取，通过CELLID手机覆盖区域编号地址和LAC移动位置区域号码双重定位方式，来确定区域内的人流信息。以中国为例，如果移动、联通、电信三大运营商开放数据，大数据人流热力地图的人流数据抓取精准程度，能达到99%以上。
人流热力地图在实际运用的过程中，浅层次的看是采集人流大数据，分析的是人群流动情况，深层次看其外延广阔，对特定区域内的人流情况可以进行长期跟踪，可以得到更加准确的经济、社会、民生等诸多方面数据和信息，运用空间十分广泛，并可以嫁接其他大数据，派生出更多更具经济、社会价值的应用模式。
对于人群拥挤检测，主要分为三个部分：1、人数检测；2、人群热力图；3、人群移动方向（当然还有其他合成部分，比如画线区域，前景检测，尺度变化等）。
下面将主要从这三个部分简述：
1、人数检测：所用方法非常厉害，而且速度不慢：以ACF特征作为基准，结合BOOST分类器；当然这不是新方法，但是个人觉得效果不错。
2、人群热力图：主要用特征点累积（OPENCV里面的方法都可以借用，也会有不错的效果），然后结合高斯模型进行投影。
3、人群移动方向：简称“人流方向“，特征点跟踪，同时也使用到了时间累积，其中注意三点（第一，特征点的更新，即跟踪结果；第二，特征点与新特征点匹配，重新求特征点并与跟踪结果进行配对；第三，特征点添加，准孤立点才会作为新的特点加入容器）。