在实际生活中，行人数量统计技术能够提取监控场景中的行人流量信息，监察行人的移动趋势，为各种社会管理服务提供了重要的参考数据。而采用计算机视觉技术的行人数量统计方法，可以在不用耗费大量人力物力的情况下实现自动的行人统计过程，其高效的处理能力对于管理人员来说具有非常实用的意义。因此，行人统计算法已成为当前计算机视觉领域的重点研究课题。本文在对目前的基于行人检测与跟踪的行人统计方法的研究基础之上，提出了集成预处理模块和行人计数模块的行人统计算法。在预处理模块中，本文提出了基于关键区域标定行人的线性插值法来提取视频场景的空间先验信息，并且引入了对不同数据处理级别的背景模型的前后处理操作，为行人计数模块提供高效准确的时间约束信息。在行人计数模块中，本文将自底向上和自顶向下这种模仿人类视觉识别事物的模式应用于行人检测与跟踪过程，遵循其“假设—验证”的算法框架来构建“类视觉注意力”的行人统计方法。在“假设”阶段，本文通过基于快速光流估计的局部最近邻特征点匹配算法来构建SURF特征点的运动轨迹，以揭示场景中的潜在行人。在“验证”阶段，本文提出了基于行人头肩部位的几何特性和模式特性的验证规则，同时采用了贝叶斯框架来实现SURF特征点轨迹的聚类过程，以获得备选行人的位置，并进一步通过集成结构特征和表观特征的跟踪过程来验证定位的行人。完成这两阶段的流程，便可根据行人的运动轨迹来统计行人数量。实验结果表明，本文方法在准确率和效率两方面均优于目前流行的两种基于行人检测与跟踪的行人数量统计方法。