如何快速且准确的实现视频中行人的检测与统计是目前计算机视觉、图像处理领域中重要的研究内容。本文主要研究基于单摄像机的行人检测与人流量统计技术研究，主要包含以下方面的研究工作：首先针对单摄像机拍摄的视频序列中行人之间存在目标遮挡的问题，提出了一种基于行人的运动信息并混合多个多尺度局部检测器实现视频中行人检测的方法。首先通过快速收敛混合高斯模型建模的方法提取视频图像中的运动区域作为行人的候选区域；提取HOG特征结合线性SVM分类器训练出多个局部检测分类器分别对每个行人候选区域进行扫描式检测，将检测结果用最大间隔霍夫变换投票获得最终结果。实验结果说明，本文方法可以有效的检测出视频图像中存在部分遮挡的行人。其次针对传统的HOG行人检测算法无法实现单摄像机拍摄的实际场景中存在部分遮挡的行人的准确定位问题，提出了一种基于金字塔式HOG特征结合弱标签结构SVM来混合成星型结构模型的行人检测算法。首先提取训练样本的金字塔式HOG特征，采用弱标签结构SVM训练这些特征得到人体的整体模型与局部模型；然后混合这些模型得到多个星型结构的目标模型，该模式不仅能够获得目标的整体轮廓，而且能够更为细致地描述目标的局部信息，一定程度上提高算法在复杂环境中的鲁棒性。最后使用星型结构混合模型级联检测完成行人的准确定位。实验结果表明，本文方法不仅能够较准确地检测出存在部分遮挡的行人，而且能够提高当目标不存在遮挡情况下的检测效果。最后考虑到目前两种主流的单个摄像机的人流量统计方法—基于特征回归和基于检测方法—的不足，提出了自动划分视频的远景与近景区域的方法将两种方法合理的结合，对于单个摄像机拍摄的视频帧的远景区域，首先采用背景分割的方法提取出前景块，将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数；对于近景区域，采用行人级联检测实现行人的准确定位并统计出人数。实验结果表明，本文方法不仅能够较准确的实现人流量的统计，在一定程度上减少统计时间，还能够准确的定位出一定尺度范围内行人的位置。