人员频繁流通不仅活跃了经济，也为安防带来巨大的挑战。为保障城市安防和促进经济增长，以智能视频监控的行人流量统计将成为未来行人流量监控的发展趋势。针对传统行人流量统计方式落后、实时性低、浪费人力物力以及当前城市监控网络覆盖而不能物尽其用等问题，在视频监控的基础上设计了基于图像识别的行人流量统计平台，能够实时、准确的统计行人流量，实现智能视频监控的目的。
　　本文根据行人流量统计系统的国内外研究成果以及发展现状，综合运用图像处理技术、行人识别技术、目标跟踪技术等，分析和研究系统在功能、性能上的需求。通过特征统计方法，使用积分图的方式快速提取行人目标多通道特征孵化弱分类器，结合离散Adaboost算法训练弱分类器并组合成为级联分类器，利用滑动窗口、图像金字塔以及级联分类器准确获得行人目标窗口，经非极大值抑制(nonmaximumsuppression,NMS)算法去除检重区域，优化行人目标输出。使用改进核相关滤波算法(KernelCorrelationFilter,KCF)进行已识别目标在监控区域的跟踪，采用目标位置循环移位得到训练样本图像和目标跟踪待测试窗口，利用核岭回归算法训练移位样本图像得到滤波模板并与待测试窗口卷积得到响应最大的窗口为最终目标跟踪位置，计算目标跟踪位置，统计得到双向行人流量。使用MFC(MicrosoftFoundationClasses)编写用户交互平台搭载系统，统计分析行人流量数据。
　　结合设计中的关键技术和算法，完成对行人识别设计、目标跟踪设计、人流统计设计等系统各个功能模块的开发。利用交互平台分别对系统的功能和性能进行测试，实现了监控视频下行人目标的识别标记、已识别目标的跟踪、行人流量的统计计数等功能。对比系统与已存在的文献、方案、行人流量统计系统等验证了系统的优越性。测试结果表明，系统平台功能稳定，模块化开发可扩展性强，使用改进后的跟踪算法提高了跟踪的效率，系统平均处理速度为28fps，统计平均准确率92%，实现了行人流量实时统计的目的。