智能化视频监控是计算机视觉的主要研究领域，尤其是近年来监控摄像头在各个方面应用越来越普遍，所以人们迫切需要能够自动处理所捕获视频的方法。行人检测和统计是视频监控的一个重要研究方向，在地铁、道路、商场、超市等公共场合出入口中有着广泛的需求。本论文基于计算机视觉技术和图像处理方法建立行人流量统计系统，通过对摄像机拍摄的视频序列进行分析来实现行人的检测、跟踪、统计等功能，从而提供了一种更加先进和可行的智能管理方案。　　 为了减少行人目标之间遮挡，本文中将摄像头乖寅向卜.架设。行人流量统计系统主要包括行人检测、跟踪和统计三个方面。行人检测是监控系统的一个关键技术，其准确程度对后期的处理有着重要的影响。本文主要研究了基于背景建模的运动目标检测方法，并结合有效的阴影检测和阂值白动选取方法成功实现对运动目标的分割。本文针对行人目标之间存在的遮挡问题进行研究，能够有效地分离互相遮挡的行人目标。另外由于人是非刚体，在运动过程中身体的姿态不断变化，经过大量的观察试验发现在所有的运动目标中人头的变形是最小的，所以本文通过对运动区域进行人头检测，排除极容易引起干扰的非有效运动目标，提高了系统的准确率。针对行人目标的跟踪，本文主要研究了日前比较热门的Mean-Shift算法，以颜色作为运动日标特征，对光照变化具有一定的鲁棒性，并且实现了基于Mean-Shift算法的多目标跟踪算法。在行人检测的基础上实现了对行人目标的自动跟踪，从而成功获取行人运动路径、位置等信息。为了提高跟踪算法的效率，引进Kalman滤波进行运动预测，通过实验证明Meanshift和Kalman滤波预测相结合的目标跟踪算法具有更好的效果。在行人跟踪过程中，建立目标对应数据，通过分析日标路径等数据来统计行人流量，能够应对行人在监控场景中作往返运动的情形，具有较高的准确性。　　 采用本论文提出的行人流量统计系统的解决方案，在行人离摄像头较近的场景下进行测试，实验结果表明该系统能够准确有效的检测、跟踪行人目标，达刽行人统计的目的，并且能够应对跟踪日标部分遮挡和自身遮挡的情形。