近年来，运动人体的识别在图像处理与计算机视觉等领域引起了许多学者的关注。运动人体的识别包括四个基本步骤：(1)从背景中提取运动目标；(2)从运动目标中分割出人体目标；(3)提取运动人体目标的特征决策向量；(4)利用分类器进行识别。其中，运动人体目标特征向量的提取是识别的关键。本文通过对运动人体目标空域和变换域各类特征的研究，提出了傅立叶描述子、类圆形半径等目标轮廓特征，长宽比、占空比、圆形度等目标区域特征以及图像的颜色、纹理等多个特征，通过实验对其进行筛选，最终以分类效果较好的方式将有效特征组合起来，形成一个决策向量，用来进行识别。 本文对人工神经网络的选择进行了大量的实验，根据分类结果，最终选择使用误差反向传播的三层前馈网络，利用Levenberg-Marquardt训练算法实现神经网络的分类功能，本文还利用规则化调整方法对网络的泛化能力进行了增强。在前人工作的基础上，作者应用本文中的算法实现了一个实时客流量统计系统。客流量统计系统是自动记录客流情况的系统，可以为商家的经营和管理提供准确的数据作为参考。该系统通过摄像头、计算机和图像采集卡等专业设备将商场门口的客流情况捕获下来，转换成数字图像序列，利用图像处理知识提取出图像序列中的运动目标块。通过提取人体目标的决策特征向量，利用人工神经网络分类，识别出是否为人体目标并判断目标的数量。 本文的算法经过实验验证，具有较高的理论意义和实用价值，在实验室环境中记录结果显示，该算法的绝对准确率达98％以上；在多个商场及学校等人流密集的环境中测试结果显示，该系统的平均准确率可达97％左右，显示了较好的统计准确性和鲁棒性。