随着城市化进程的不断推进,道路交通拥堵状况持续加重,公共交通的作用愈发显著。公交车作为居民最常用的公共交通选择,有效统计公交客流量不仅能方便居民合理规划出行方式而且可以帮助公交公司灵活安排运力。现有基于视频处理的客流统计方法主要分为两种:基于传统图像处理方法和基于卷积神经网络方法。其中传统图像处理方法通常运行在嵌入式平台上,实时性好但准确度较低。基于卷积神经网络方法虽然准确度高但是需要进行大规模矩阵计算,因而很难在嵌入式平台上运行,所以通常经过核心网络上传视频到中心云端进行处理,这种做法不仅占用大量网络带宽而且延迟长、实时性差。随着5G的发展,作为其关键技术之一的移动边缘计算,由于其邻近性、低时延等特点为客流统计系统提供了新思路。结合移动边缘计算特点,本文设计并实现了基于移动边缘计算的公交客流统计系统。通过在网络边缘侧的移动边缘计算服务器上部署客流统计应用,接收并处理公交上下车门处的监控视频,进而完成客流统计任务。本文首先对应用背景、相关原理、技术进行了介绍,随后给出基于移动边缘计算的客流统计系统的总体设计与模块设计,然后重点研究部署在边缘服务器端的目标检测、跟踪与计数三个模块。通过以人体头部为检测目标设计并实现了基于yolov3的乘客检测器。接着在高精确度检测器的基础上,设计并实现了基于卡尔曼滤波和匈牙利匹配算法的多目标跟踪器,通过对上下车乘客进行跟踪得到较完整的运动轨迹。最后分析乘客运动轨迹并提出基于双准线的上下车判断计数方法。基于上述各个模块,本文最终实现客流统计系统,并对系统准确度和处理速度进行了测试。实验结果表明,本文设计的系统准确度为92%,处理速度高于10FPS,较好的满足了公交客流统计需要。