随着城市化的发展,交通拥挤度的提高,公交客流检测在实现交通合理规划、优化公交车辆运营路线等方面上发挥着重要的作用。视频监控技术在公交系统中的普及则引起了计算机视觉领域中基于监控视频的公交客流统计的发展。针对公交车上下车客流的监控视频中的复杂场景,本文提出了基于深度神经网络方法的上下车乘客检测,再通过对每一帧监控视频的检测结果设计了一种数据关联匹配的多目标跟踪算法。针对上下车乘客运行轨迹的不确定性而导致的预测跟踪效果的降低,以及跟踪轨迹漂移等问题,结合检测结果,对问题目标采用了独立的跟踪机制,从而提高了整体算法的准确率和鲁棒性。本文首先根据监控视频场景和对上下车的乘客的观察,决定采用特征明显且容易提取的乘客的头部区域作为检测目标。结合目标区域的特征,对深度卷积神经网络方法Single Shot Multi Box Detector(SSD)网络结构和参数的研究,在保证高精度的前提下简化了SSD目标检测算法的网络,提高了检测目标的速度。在目标跟踪中,提出了一种以Kuhn-Munkras(KM)算法为基础,通过比较视频每一帧检测目标的交并比(IOU)来最终确定跟踪目标的数据关联方法,改善了多目标跟踪的效果;同时,采用了卡尔曼滤波来解决检测目标丢失、跟踪轨迹漂移等问题,保证了目标跟踪的准确度。最后,采用了基于目标运动轨迹长度的计数方式,完成了对上下车客流的统计。实验结果表明:本文开发的公交上下车客流统计系统,采用从公交乘客上下车视频监控区域采集到的视频数据对算法进行验证,本文算法计数准确率达到了94.63%,运行速率约为每秒15.6帧,具有较好的鲁棒性,实现了客流计数。