在统计人数时候都是根据所检测到的目标进行计数，从最开始传统的红外线检测的人数统计系统到现在的智能视频处理人数统计系统。在一些人群众多的场所和人员并排走时会有很严重的遮挡现象，所以红外线检测就不能做到准确计数。基于人体检测的算法在有遮挡现象时也不能准确统计出人数。所以就要有必要研究新算法来解决以往的检测办法所带来的问题。首先，研究了比较常用的运动目标检测方法，选择光流检测法、帧间差分法、背景消减法、基于三帧差分的自适应背景更新人体检测算法，分析了这些方法的特点。又提出并分析了基于人头检测方法的优点。根据各种检测方法的特点，分析了各自适用的场景和各自的优缺点。最后选择了基于人头检测的人数统计方法，在人头统计方面，选择了基于Haar特征的AdaBoost分类器检测的方法。首先通过对Haar特征值以及积分图的介绍，得到了特征值提取方法。并且详细介绍了AdaBoost分类器的设计方法。为了增强系统的实用性，增加了感兴趣区域的设定，从而增强了系统的可操作性。根据距离聚类来判定新人员的加入，如果新人员的坐标标记点和上一帧中的所有检测到的人员坐标标记点距离在设定的阈值之外时就认定是新人员加入。最后，为了验证本文算法的有效性，对大量不同场景下和不同人数视频进行了测试，测试结果表明本文的基于人头检测的人数统计算法能够准确、实时、有效的检测视频中的人数，且具有一定的抗干扰能力。