随着计算机视觉技术突飞猛进的发展,整个智能视频监控产业链也迅速兴起,由此带来的巨大商机吸引着众多企业、研究机构和科研工作者纷纷投入到该行业前沿技术的研发工作中。人流量统计技术在公共安全防范、商业市场数据统计分析、资源的合理分配等方面扮演着十分重要的角色,为商场、飞机场、车站、地铁站、公交公司、博物馆等公共场所在管理和决策上提供了重要依据。本文以视觉理论为基础研究了两种人流量统计算法,主要内容如下：1、针对背景较为简单的人行通道,本文采用发色模型与形状模型相结合的人头检测方法。首先创建了一个用于发色研究的常见亚洲人群发色图像库,在此基础上建立发色模型和人头形状模型,给模型确定合适的参数条件,使其快速准确的检测出视频中的人头目标。2、针对公交车上的乘客人数统计问题,由于受到车身高度的限制,摄像机安装位置较低,光线较差,视频画面分辨率较低,为此,本文采用一种基于梯度方向直方图(HOG)的人头检测算法。该算法以HOG特征作为人头形状的描述子,并利用支持向量机(SVM)算法训练一个人头分类器,使得人头检测在速度和精度上都有一定程度的提高。3、研究了一种基于目标链的人头跟踪算法,依据目标链的位置信息判别出行人的行走方向,进而实现行人目标的跟踪,最后设置感兴趣检测区域,制订单向计数策略和双向计数策略,通过判断人头目标运动轨迹与虚拟线圈之间的关系计算行人的进出方向,进而实现行人的双向计数。最后对实际场景中的多段视频进行人数统计,实验结果表明,本文采用的这两种方法能实时有效地统计出视频中的双向人流量信息。