随着信息社会的不断发展，人们对公共安全的要求不断提高，智能视频监控系统在日常的生产、生活中得到越来越广泛的应用。近年来随着各种大型公共场所不断涌现，人们的活动相当频繁，人群的密度也直线上升，公共场所的安全已经成为人们关注的焦点。为了避免重大伤亡事件的发生，对室内人群流量进行实时监控并对潜在的危险情况做出预警已成为人们迫切的需要。　　 以往人们普遍采用机械式或人工电子设备触发计数的方法来对客流量进行统计。这些方法不但需要大量的人力物力，而且效率和准确度也不高。利用视频对客流量进行统计，并对人群的活动进行实时分析，有效的解决了以上的弊端。近几年，随着处理和存取设备的不断更新，基于视频的客流统计系统也出现了不少。但这些系统大多是针对某一个特定场景的(如单向的入口)，鲁棒性较差。在人流密集的情况下，统计精度也很不理想，准确率不高，而且对异常情况的分析处理也很不完善。　　 论文对以往系统的不足进行了改进，并结合图像处理的经典算法，设计了一个检测方法提高了统计的精确度。对室内监控视频的预处理是对视频进行分析的第一步，论文采用高斯滤波法对室内监控视频进行了去噪处理，并基于HSV颜色空间去除了图像中的阴影。　　 对于视频中运动目标的检测，论文采用了一种改进的背景减除法，算法对背景进行实时的更新，实现了对前景目标的完整提取。在运动人体检测的基础上，通过运用横向距离变换算法对人群粘连图像进行了分割，并利用改进的运动历史图像算法对人体前进的方向进行了精确的判断。论文最后给出了由改进算法整合的系统，对客流量进行双向计数，实现了人流量的统计，并对异常情况做出了预警。通过在不同场景下的测试，系统的统计准确率得到了明显改善，鲁棒性较强。