作为计算机视觉领域的一个典型应用,视频人数统计在人流量商业数据统计分析、智能交通和公共安全等许多方面有着重要的应用价值。以前依靠人工的人流量统计方法已不能满足当代实际需求,而借助计算机强大的计算能力和计算机视觉技术的快速发展使能实现高效率和高准确率的人流量统计成为可能。近年来,学者们提出了很多行人检测算法,但是在实际场景中,行人检测容易受到遮挡、姿态和环境等各种因素的影响,使得完成高准确率的行人检测变得十分困难。本论文从面向行人检测的图像特征着手进行研究,致力于研究静态图像和动态视频中行人检测问题,以提高其准确率。论文的主要研究工作和创新性主要体现在以下几个方面：1、提出了一个基于多决策的行人检测方法,改进了C4算法在检测准确性方面的不足,其基本思想是：首先利用A分类器对待检测窗口的a特征分类,然后判断分类决策值是否属于可疑区间,如果属于则进一步利用B分类器对b特征分类,判断结果由两次的决策值共同决定。实验结果表明基于多决策的行人检测方法能够在几乎不影响检测速度的同时还能提高检测准确率。2、提出了一种基于轮廓标定的行人检测方法。从三种不同标点方式(手动标定、随机标定和平均标定)着手进行研究,针对标点个数和组合特征的不同进行深入研究,最终实验结果表明手动标点且应用LBP与BHOG特征组合时效果最好。3、采用高斯混合模型和基于跟踪的方法,实现了动态视频的人数统计。先通过高斯混合模型得到前景区域,再通过连通区域处理得到更为精确的前景区域,最后对该区域进行静态行人检测来达到人数统计的目的。基于高斯混合模型的方法在人的运动速度快时效果最佳,对运动速度非常慢或者静止的行人做检测时效果不是很理想,需要更进一步对背景建模进行研究。4、开发了一套行人检测与计数系统。该系统分为特征提取模块、模型训练模块、行人检测模块和高斯混合模型模块,不仅能显示检测到的行人,还可对行人位置坐标信息进行输出。