随着科技水平的不断发展,越来越多的建筑趋于智能化,综合性建筑不断涌现,建筑物内交通流也产生了复杂变化。传统多轿厢电梯的派梯策略不能满足快速变化的垂直交通流需求,准确的电梯交通流数据是电梯交通模式识别的基础,也是后续派梯决策的数据支撑,对电梯客流统计系统的研究具有现实意义。传统电梯交通流统计方法的准确度均表现出不足。研究智能的电梯交通流数据统计方法,对交通流数据进行更稳定、准确的采集尤为重要。本文针对这一问题进行深入研究,提出了基于计算机视觉技术的深度特征检测及滤波跟踪等方法,对电梯的客流状况进行统计,有效采集了客流数据,并为电梯交通流数据的采集提供了新的思路。论文的主要工作如下:(1)查阅了国内外相关资料,综述了电梯客流统计和国内外行人检测及跟踪的发展现状及趋势,并确定了采用基于深度特征的检测算法及改进的滤波跟踪算法对电梯客流数据进行统计的方案。(2)针对深度图像受噪声的影响,通过分析Kinect的成像原理,利用其获取电梯客流的深度信息,研究了去除图像缺陷的预处理办法,应用联合双边滤波器去除图像毛刺,8邻域插值法填补图像空洞。(3)针对传统RGB图像检测方法的缺陷,提出了一种基于深度特征的人体检测算法。将人体深度差值梯度特征及深度相似度特征通过多核学习进行融合,有效降低特征维度,并提高了检测速度。通过支持向量机分类,并采用深度信息聚类改进检测窗口,探讨了优化人体目标检测的方法。(4)分析了电梯环境特点及乘客进出电梯的实际情况,采用基于无损卡尔曼滤波及最近邻数据关联算法的跟踪方法,并应用基于特征的匹配关联方法解决最近邻数据关联的瓶颈。实验结果表明,本方法能够准确跟踪目标状态,为乘客计数提供条件。(5)根据应用环境的条件,设计了基于检测及跟踪的双计数线方法进行人数统计,并在模拟及实际环境中验证了本文方法的准确性。