实时的人数统计是当前计算机视觉领域的热点研究问题,且具有重要的实际应用价值。目前的行人检测算法,大部分基于单目摄像头所拍摄的彩色图像,或是跟踪人的运动轨迹或是建立人体模型。这些算法大都是在某一类特定的环境下有效,而且对于行人目标遮挡或拥挤环境下无法进行精确的人数统计。本文考虑到深度图的特性和3D空间中人头目标的特征,使用了SVM分类器进行目标分类。首先根据双目立体视觉的成像原理,进行双目相机标定与立体视差匹配获取场景深度图。然后利用摄像机的透视投影几何关系,恢复出场景深度图的俯视投影图,这样俯视投影图中人头目标的几何形状、尺寸、高度信息、人体的上半身的结构都得到恢复。然后对前景目标进行锁定,并对锁定目标中的人头目标和伪目标的多个特征进行提取,研究分析不同类别目标特征数据的分布,可以确定人头目标特征的阈值,进行初步的伪目标剔除。最后对锁定的目标进行匹配跟踪获得运动轨迹,这些轨迹分为人头目标形成的正确轨迹,和伪目标形成的伪轨迹。对上面所获取的已标记的目标的特征样本数据进行训练,选择适当的核函数和参数,获得最优SVM分类模型,对组成一条轨迹的所有目标进行分类,当一条轨迹上有多于一定阈值的目标被识别为人头目标时,将此轨迹判断为正确轨迹,判定为一个人。本文对两种不同场景的人流量进行实地统计测试,结果表明基于目标3D空间中特征的SVM分类器进行人数统计的方法满足实时性的要求,检测精度达到94%以上,有很好的场景适应性。