随着视频监控在社会公共场所的普遍应用，如何利用计算机视觉技术实现实时高效的人数统计是当今视频监控领域重点研究问题之一。在飞机场、超市商场、地铁站及旅游景点等人流密度大的公共场所，自动人数统计技术的应用可以有效提醒管理人员监管场所存在的潜在危险，从而减轻人脑的工作量，使得监管人员有更多的时间投入到突发事件的分析和处理阶段。因此，研究行人统计技术对人们的生活有着非常重要的意义。　　目前，基于行人检测和运动目标跟踪的行人统计技术是当前比较流行的计数方法。但是，大多数准确率高的行人计数方法存在复杂且实时性能差的缺点，而简单且实时性能好的算法又不能保证计数的准确率。所以，本文主要针对固定摄像头的视频序列中的行人，提出一种算法简单且能保证一定准确率的行人统计技术。本文的主要研究工作及如下:　　(1)针对视觉背景提取算法容易产生鬼影现象或在消除鬼影时对缓慢和短暂停留的运动物体难以检测的问题，本文提出一种改进视觉背景提取模型的前景检测算法。首先，采用盲目更新策略更新背景模型避免产生鬼影，并通过建立自适应更新的前景模型对背景模型中分类为背景的像素点进行二次分类，提高了前景点的正确识别率。最后，利用形态学操作进行后期处理，实现了运动目标的有效检测。实验验证改进后的算法对缓慢或短暂停留的运动目标的前景检测性能更好。　　(2)采用基于背景差分的运动区域检测和HOG特征统计学习的行人检测结合的方法，提高对行人目标的HOG特征提取的速度。同时，利用SVM训练分类器，将难识别的正负样本进行反复训练及测试，提高分类器的识别率。实验数据表明，该方法提高了行人检测的识别率和速度。　　(3)提出一种简单的基于标记符模型跟踪计数的方法。该方法首先利用邻域像素标记为每个像素建立标记符模型，通过模型的主成分标记值分析确定当前帧每个像素的标记值。然后，对不同的前景区域块的主成分标记进行分析，确定区域块的标记值，消除了错误标记的干扰。最后，更新每个像素的标记符模型，对比相邻帧运动区域的标记值，并将最大标记值作为行人统计值，从而实现行人目标的跟踪计数。　　本文提出的基于背景模型和标记符模型的行人统计方法实现了对固定摄像的视频序列中的行人的有效计数。实验表明，本文方法算法简单，计数准确率较高，且能够应用于实际视频监控场所。