行人流量检测技术是当前机器视觉领域的研究热点。行人检测技术在交通监控与控制、智能车辆开发、自动乘客计数以及银行、商场、博物馆等场所的监控方面都有广泛的应用需求。行人检测获得的流量信息,是实现以上各场所有效管理的重要数据来源。目前广泛使用的红外对射遮挡与压力传感器技术的自动行人流量统计系统检测精度不高,无法满足行人流量信息检测的需求。而计算机视觉能够利用图像处理的方法建立一个智能系统,通过摄像机拍摄的视频序列进行分析来实现行人的定位、识别以及跟踪,进而为提高行人流量检测的精度提供了必要条件以及技术基础。在介绍行人流量信息采集技术,针对单目垂直摄像方式取得的视频图像序列的特点,分析和比较了已有的相关算法的基础上,采用视频数字图像处理技术作为行人流量检测技术,提出基于多目标识别与跟踪的行人流量检测算法总体框架方案,主要包括多行人目标检测与跟踪两方面,并详细阐述算法框架各个功能模块。其中,基于图像处理于模式识别的多目标检测与跟踪计数算法是技术实现与应用的核心。在多行人目标检测方面,提出通过依次级联的三步检测算法,建立了一种改进的多行人目标识别方法。借助快速梯度hough变换对行人头部进行预识别;在建立行人头部发色模型的基础上,提出基于发色判决器的候选目标过滤算法;在引入无参概率理论的基础上,提出原存在性模型对行人头部目标实施定位。实验表明:与基于梯度hough变换的经典算法进行行人检测相比较,算法目标定位更加精确,具有更好的鲁棒性的特点。在运动目标跟踪方面,提出了基于Meanshift跟踪算法对已经检测到的目标实施跟踪。由于Meanshift算法以颜色信息和无参数概率模型为基础,具有较好的鲁棒性,特别是对于目标形状的变化,具有很低的敏感性。因此可以较好地处理应用环境中的人头变形和光照干扰等情况。同时,结合了Kalman滤波器来解决目标快速移动所造成目标跟踪丢失的问题。最后,结合本文提出的多行人目标识别与跟踪算法,建立了一种基于序列图像的行人流量检测技术。以公交车上所采集的乘客运动以及出入口通道视频序列为试验场景,进行多行人目标的识别,跟踪,计数,最终实现行人流量检测。实验结果表明,本文提出的算法与其他算法相比,能有效地实施行人流量的检测,具有较高的精度及可行性。