人数统计技术已经逐步应用于多种公共场所的出入口,例如超市,地铁和公交车站等。这些场景下的人流量数据能够为公共安全,市场决策和资源分配等领域提供有用的信息。当前的人数统计方法随着图像处理技术的发展正在变得越来越智能化和自动化。但是目前的方法仍然存在诸多问题,例如统计不够精确,鲁棒性差等。随着基于数字图像处理和计算机视觉的自动人数统计系统的需求日趋增长,高效和准确的人数统计方法变得越来越显著和有意义。针对上述问题本文提出了两种高效准确的人数统计算法及其应用方案:一种是基于人头检测与跟踪来计算垂直摄像头下通过的人流量,即断面式人数统计,另一种是基于头肩检测来衡量斜射摄像头监控区域内的人流量,即区域式人数统计。断面式人数统计的算法主要包含四个部分:目标区域提取,人头检测,人头跟踪,以及过线判断。其中目标区域提取部分采用一种有效的前景提取方法来获取包含移动人体的前景区域,并且采取一些后处理操作来优化处理结果,人头检测阶段采用LBP特征离线训练的Adaboost分类器进行人头目标的检测,人头跟踪阶段采用一种基于Meanshift迭代的局部人头跟踪算法来跟踪人头目标,过线判断阶段结合统计线与区域,采用过线判断算法判断候选人头目标是否被计数。区域式人数统计主要包括人头肩的检测步骤,通过头肩检测得到的人体目标数目来估算监控区域内人群密度。头肩检测算法采用级联初级Adaboost分类器与次级SVM分类器的方式,来实现头肩目标的粗略检测与精确过滤。本文提出的断面式人数统计方法能够达到理想的人数统计准确度和可接受的实时统计速度,并且适用于实时性应用。同时本文提出的区域式人数统计方法可以辅助断面式人数统计方法,实现两种统计方式的结合。该方法在变化的场景和不同人群密度下都能取得良好的统计效果,实验数据表明本文提出的方法能达到96%左右的人数统计准确度和每秒30帧的实时处理速度,相较于现有算法,本文算法在准确度,实时性与鲁棒性等方面都有了较大提升。