近些年来,随着科学技术日新月异地发展,社会经济得到不断提高,数字图像处理领域相关视频算法的日益完善,其在实际生活中各种场景的应用也是越来越广泛。基于视频的公共场所人数统计研究是图像处理领域比较吸引人们眼球研究的热点之一,做好人数的统计工作无论是在商业上,还是在生活中都具有潜在的价值。基于此,本文对公共场所人数进行了基于视频技术的研究。首先对一些人数统计方法进行了相关的总结,将人数统计的方法分为了个体统计和人群特征统计两大类,并分别进行概述,对公共场所的人流密集度重新进行了合理的划分,以便于后续工作的开展;然后针对公共场所人数统计工作,本文对目标场景划分为稀疏场景、密集场景两大类来分别开展研究,对于前者采用个体特征的方法来进行统计研究,稀疏场景下利用个体特征进行统计,不仅利于统计的准确性也便于后期基于本文研究的成果进行相关应用性拓展,比如利用个体特征,可以进行个体的目标跟踪、人脸识别等;而对于密集场所下的人数统计,考虑到人流量较为集中,识别的准确度和时效性到目前为止一直不是很理想,通过人群特征统计是目前相对有效的解决方法。论文的主要工作如下:1、首次将NSCT和CS-LBP进行特征融合,并与人头轮廓区域定位结合,运用在稀疏场景的人数统计工作中。首先,利用轮廓类椭圆的共性,进行人头的快速定位并提取,对目标区域通过NSCT特征算法对图像进行多尺度和多方向的滤波分解;其次,利用CS-LBP对光照具有较好的鲁棒性,对分解后的高低频子带信息进行分块提取特征直方图,并对其进行级联,从而获得一个较为完整的人头特征向量直方图。而对处理后的图像特征维度过高的问题,利用主成分分析(PCA)进行降维处理,最终有效的提高了识别的实时性能;最后,利用传统的支持向量机方式进行人数统计工作。2、在对密集公共场所人数统计研究中,为了能有效提高检测的效果并满足实际应用需求,提出了一种S-Harris改进的角点检测算法,同时借鉴卡尔曼滤波思想,采用自适应动态模型回归方法进行统计工作。首先,针对Harris角点算法在人数统计中存在的一些不足点,采用了一种自适应的灰度差分思想,并引入了积分图象的理念来解决其在抗噪和运算实时性上的缺陷。其次,鉴于一阶静态模型在进行人数统计的过程中存在较大误差,本文采用了一种自适应的动态线性模型回归人数统计的方法。该方法认为每一帧的角点数和人数的比例关系随着时间的变化存在的一定的系数关系,此系数同相邻视频帧间的角点信息有一定相关性。同时,为了消除在角点统计过程中产生的冗余角点数,本文采用了帧差法滤除静止的角点;最后,通过动态一阶线性模型回归计算出人数。