人流量自动统计技术是目前机器视觉领域中一个十分活跃的研究热点。运动行人流量统计分析在诸如超市、商场、地铁等大型公共场所有着广泛的应用需求，这些场所凭借人流量统计系统反馈的数据对资源进行合理有效的分配，能够获得最大化的社会和经济效益。人流量自动统计技术涉及图像处理、机器视觉和模式识别等多方面的知识。人流量统计系统研究由来已久，已经有较为成熟的算法，但是背景和光线的干扰、目标相互遮挡等一直都是统计系统研究的难点。现实中的物体都是三维的，传统的人流量统计系统只是利用图像的二维信息很难解决遮挡、光线干扰等问题。而传统的恢复物体三维信息的算法复杂，设备成本较高，很难满足系统实时性以及普遍适用的需求。2010年微软公司推出的价格低廉、能够实时采集彩色图像和深度图像的Kinect深度传感器为人流量统计系统研究带来了福音。本文主要针对进出大型公共场所门口的人流量进行统计，在Kinect深度传感器等硬件设备的支持下，完成了双向人流量统计系统的软件架构，主要包括：行人目标检测、行人目标跟踪和行人计数。本文采用形态学处理中的开操作和改进的中值滤波算法对深度图像进行预处理，除去深度图像中的噪声点。在进行目标检测方面，本文研究了最大稳定极值区域（Maximally StableExtreme Regions）分割算法，并针对MSER分割算法在速度和精度方面的不足提出一种有效的改进方法，对深度图像进行分块，然后在各分块图像中同时运行MSER分割算法，最后，在极值稳定区域上运用真实人体头部约束条件即可获得人体头部区域，并将分割出的行人头部区域映射到同步采集的彩色图像中进行行人目标标记。实验结果表明，改进的分割算法准确率更高，速度更快。在行人跟踪和统计方面，本文首先利用Kalman滤波算法对行人位置进行预估计，然后利用结合形心算法的区域模板跟踪算法对进入检测区域的行人进行跟踪，在此基础上，本文给出双向行人流量统计的统计策略，只有当行人形心依次通过两条计数线时，才进行计数。最后，根据本文的算法编写了人流量统计系统软件，采用在实验室采集的视频图像验证系统软件的可行性，结果表明，系统统计准确率高，鲁棒性强。