客流统计是城市建设与商业经营中必不可缺的重要决策工作。针对目前客流监控场景易受行人并肩遮挡以及环境因素干扰的问题,本文提出了一种基于双目立体视觉的客流统计方法,其通过引入深度信息得到行人头部完整视差图进行检测,能够有效避免行人相互簇拥重叠导致漏检的情况,实现监控区域内自动准确的客流统计。主要工作和成果如下:(1)采用改进Census变换的半全局立体匹配算法获取视差图。该算法结合AD(绝对误差)、GRD(梯度)和快速Census三种度量函数的特征,通过融合像素强度、梯度边界和纹理结构信息改善视差图质量,解决了目前单一匹配代价的半全局立体匹配算法难以获取高匹配精度的问题。经实验论证,相比基于Census变换的半全局匹配算法,该算法的视差图像素误差率得到了有效降低,视差图质量方面有所提升,取得较理想的匹配效果,实现了有效致密视差图的获取,得到了行人头部清晰完整的视差图,满足基于深度信息目标检测的需求。(2)设计了基于图像深度信息的目标检测算法,采用深度分层的方法将存在目标信息的深度层提取出来,并定位目标的具体位置。通过引入深度信息,为目标检测提供了更多的辅助信息,实现了基于深度信息的改进椭圆拟合的目标检测算法。实验结果表明,改进的算法能够保留目标更多的空间和形状信息,有效的避免了漏检情况,实现了更精准的目标检测。(3)实现了基于多特征融合的目标跟踪算法,利用深度信息可以更准确地获得检测目标的位置、形状、高度特征,并通过引入目标的坐标、高度和面积特征来约束目标方位的波动,提高目标特征的稳定性,实现目标跟踪。最后,采用设置虚拟检测线的方法进行目标出入计数。通过实验证明了算法的可行性,实现了对客流量的统计。