在全球经济一体化飞速发展的大背景下，我国商业企业尤其是大型的零售业面临着严峻的挑战。对客流信息进行合理的分析是其制定营销决策、安全防范措施和提高市场竞争力的关键依据和保障。并且随着计算机技术和统计分析技术的发展，为了更好的适应市场的发展和需求，要求在保证较低设备成本的前提下，提出具有高统计精度的实时客流统计方法。　　 为此，论文深入研究了基于主动对射式红外光电检测技术的商场客流统计方法。将四组主动对射式红外光电传感器并行排列构成红外感应区，并通过对红外客流数据的特点进行分析，将通过该区域的客流划分为5种模式，从而采用支持向量机模式识别的方法对连续客流数据实现分类识别和统计。该统计方法由以下几个关键步骤组成：特定的客流数据预处理(包括基于coif小波的客流数据去噪和基于垂直投影函数的连续客流数据分割)、基于符号化时间序列分析的客流数据特征提取和基于支持向量机分类器的客流数据分类识别。　　 在支持向量机分类器的应用中，论文用改进的免疫克隆算法去解决n折交叉验证结果与支持向量机模型参数之间构成的多峰值优化问题，从而实现了模型参数的优化选择，经验证具有较好的参数选择效果和较高的选择效率，为支持向量机分类器模型的确定奠定了基础。　　 经大量实验证明，基于支持向量机的客流统计方法能够对连续客流数据进行正确的分割，且能够提取具有较低维数的有效客流特征，并能够识别多人并行情况，是一种具有较高准确率和效率的实时客流统计方法。