行人流量计数是目前一项理论意义和实际应用兼备的重要课题，对交通安全、客流统计、车站管理等方面都具有重要的实际意义。但是由于传统方法难以解决行人目标穿衣戴帽的多变性和运动的无规律性问题，使得行人流量计数研究成为一个极具挑战性的工作，目前尚未形成具有普遍性的理论算法。本文基于形体几何学和图像特征，提出了一种有效的多证据行人计数算法。首先，本文基于传统背景差分算法提出了一种彩色差分算法，保留了较为完整的目标色彩信息，然后提出了一种改进的阴影去除算法，有效解决了目标阴影问题，并结合改进的均值滤波算法对行人目标进行了预处理。然后，对于单帧图像人流计数算法研究，本文在对比分析不同肤色模型人头检测算法及Hough变换人头检测算法的基础上，针对监控区域内的行人横向重叠情况，提出了一种基于人体几何学BFR的人头检测算法和一种基于水平投影分析的多目标行人分割算法；针对监控区域内的行人纵向重叠情况提出了一种T型判断分割算法，来分割判断当前帧中的行人目标数目，同时根据质心运动来判断行人运动方向，最后实现单帧图像的行人双向计数算法的研究。最后，本文提出一种基于视频序列的多证据行人计数算法，并结合不同场景的视频序列进行了实验分析。实验结果表明，本文方法可以有效的解决行人重叠情况和戴帽情况下的人流计数，在行人左右重叠人数小于6人，前后重叠数目小于3人，监控区域内总人数小于10的情况下准确率可以保持在93%以上，实时性为20-21帧/秒，满足工程的需要。