客流人数统计方法是轨道交通进行有效运营的重要依据,精确有效的客流人数统计方法可以让轨道交通管理人员合理地调动人力和物力,合理地配置各项资源,防止意外事件的发生。针对客流图像统计方法,国内外很多专家和学者进行了大量的研究工作,提出了一系列的新思路和新方法,但是所提出的方法普遍缺乏对客流人群图像的预分析和预处理,在人群特征的提取上具有很大局限性,并且在人群特征分析上大多采用传统的神经网络,无法对客流人群图像的人数进行有效的统计。针对上述问题,本论文做了以下研究工作：1.针对现有方法普遍缺乏对客流人群图像的预分析和预处理,提出了基于频域能量与方差的客流人群稀疏与密集判别方法。本文针对客流人群的特点,通过一次小波分解和二次小波分解提取客流高频图像的频域能量和方差,找出频域能量和方差与人群稀疏与密集之间的关系,从而实现在进行客流人数统计之前对客流人群稀疏与密集的准确判别。2.实现在人群稀疏情况下进行客流人数统计。针对人群稀疏的客流图像,本文首先基于颜色空间模型对稀疏人群客流图像进行分割,使分割后的图像形成一个个连通域,然后利用连通域分析法提取每个连通域的特征参数,采用两步法对连通域进行判别滤除,最后保留代表人群个体的连通域,从而实现人群稀疏情况下的客流人数统计。3.实现在人群密集情况下进行客流人数统计。针对人群密集的客流图像,本文采用基于客流图像的灰度共生矩阵用来提取客流图像的相关纹理特征量,找出每种纹理特征量与客流人数之间的拟合关系,最后利用多重纹理特征对客流图像的人数进行统计,从而实现在人群密集情况下的客流人数统计。通过仿真实验及分析,我们可以得到人群稀疏与密集的判别准确率达到92%,人群稀疏情况下进行人数统计的准确率达到88%,人群密集情况下进行人数统计的准确率达到90%。表明本文所提出的客流人数统计方法具有一定的实用性,在人数统计上具有较高的准确率,对轨道交通的运营管理具有一定的参考价值。