行人流量统计技术是智能视频监控领域的重要组成部分。通过对行人流量数据的掌握和分析，管理者能够更好地进行人力、物力等资源的合理调度，行人流量统计技术具有良好的市场价值和广阔的应用前景。然而，由于拍摄环境因素以及行人之间遮挡等问题的影响，行人流量统计技术的发展还不完善，亟待解决的问题还很多。本文针对摄像头倾斜放置的监控场景进行了行人流量统计问题的研究，通过对运动目标检测、行人判别、跟踪计数三个模块中的相关算法进行研究与分析，提出了新的行人流量统计方法，并通过实验加以验证。在运动目标检测方面，本文首先介绍了常用的目标检测方法，及其背景减除法中的背景建模方法。然后在选用合适方法的基础上，提出了一种基于四邻域区域的大噪声点过滤方法，通过充分利用前景信息的关联性，解决了形态学处理后残留的大噪声点无法很好地去除的问题。在行人判别方面，本文通过对目标前景信息的分析，提出一种基于组合分类器的行人头肩判别方法。该方法充分利用了二值图像中行人头肩的特点，并结合组合分类器实现了行人头肩的快速准确定位。针对行人运动过程中前后遮挡问题，在上述结果的基础上，提出一种基于高度信息反馈的行人头肩检测方法，并通过实验证明了该方法的准确性。在行人跟踪和计数方面，首先介绍了目前常用的基于区域的行人跟踪方法，然后结合本文的行人检测方法，提出一种基于头肩扩展区域的多特征匹配的行人跟踪方法。该方法根据待跟踪对象列表中的元素和目标对象列表中的元素之间分离程度不同，采用不同的特征匹配方法，以提高跟踪的效率，同时针对目标消失和遮挡问题也给出了解决办法。最后，本文设计并实现了一个行人流量统计实验系统，在不同场景下做了相关的测试实验，实验证明了本文方法在行人流量统计上的准确性和实时性。