La detección de aglomeraciones de personas juega un papel importante en la supervisión de seguridad de áreas públicas. Los métodos existentes basados en el procesamiento de imágenes no son robustos para escenas complejas, y los métodos basados en aprendizaje profundo para la detección de aglomeraciones se centran principalmente en el diseño de la red, lo que ignora la característica interna de la acción de aglomeración de personas. Para aliviar tales problemas, este trabajo propone un nuevo marco de detección de agrupamientos (DGG) basado en el método de conteo de personas utilizando enfoques de aprendizaje profundo y estadísticas para detectar la aglomeración de personas. El DGG contiene principalmente tres partes, es decir, Detección de Cuadro Candidato de Agrupamiento (DCFG), Detección de Área de Agrupamiento (GAD) y Juicio de Agrupamiento (GJ). El DCFG se propone para encontrar el índice de cuadro en un video que tiene el mayor número de personas basado en el método de conteo de personas. Este cuadro significa que la multitud se ha reunido y el área de agrupamiento específica será detectada a continuación. El GAD detecta el área local que tiene la máxima densidad de personas en un cuadro con una caja de búsqueda deslizante. El área local contiene la característica interna de la acción de agrupamiento y representa que la multitud se está agrupando en esta área local, que está indicada por coordenadas de cuadrícula en un cuadro de video. Basado en los resultados detectados del DCFG y el GAD, el GJ se propone para analizar la relación estadística entre el área local y el área global para encontrar el patrón estable para la acción de agrupamiento de personas. Los experimentos basados en benchmarks muestran que el DGG propuesto tiene una representación robusta de la característica de agrupamiento y una alta precisión de detección. Existe el potencial de que el DGG pueda ser utilizado en áreas de seguridad social y ciudades inteligentes.