行人流量计数作为计算机视觉领域的前沿课题,在生活应用和社会公共安全中有着较高的使用价值,例如,在通道人员疏散、商场人力配置、海关安检等场合,智能化的视频监控可以代替人工监控对行人的运动行为进行分析和理解,所以基于视频的行人流量统计的研究越来越受到人们的重视。本课题是在室外复杂场景中,研究了基于视频的行人计数的关键技术,以摄像机拍摄的视频作为实验对象,对行人计数中需要使用的运动目标检测、目标跟踪等核心算法进行了改进,设计了基于视频的行人流量统计模型,并通过仿真验证该系统具有较好的实时性与适用性。在行人检测方面,采用基于自适应高斯混合模型的背景差分法,能够克服背景轻微变化对行人检测的影响,并在该算法基础上添加了阴影检测与去除的功能,解决了行人阴影造成误检的问题。在行人跟踪方面,把均值偏移跟踪算法与卡尔曼滤波器结合使用,能够对被遮挡的行人进行有效的预测,当行人穿过物体的过程中能够实现不间断的跟踪,增强了系统对行人跟踪的鲁棒性。此外,在行人计数方面,在基于计数线方法与基于轨迹计数方法的基础上,提出了井线轨迹法,在背景静止的视频监控下能够精确的进行人数统计,并可以解决由于行人在视频中逗留而造成重复计数的问题。通过拍摄的大量视频在本行人流量系统上进行测试,证明了该系统可以适应复杂的场景,具有较高的计数准确率。