在机器视觉领域,人流量统计成为近来年研究的热点问题。对公共场所进行人流量统计,可以更加有效的对公共场所进行管理。在人流量统计系统中,行人目标的检测与跟踪是其关键技术。本文在摄像机固定并且有一定角度拍摄情况下,针对摄像头采集到的视频图像,对行人目标进行检测、跟踪、统计计数。在运动目标检测方面,研究了常用的运动目标检测方法,帧间差分法和背景消减法,分析了两种方法的优缺点和适用环境,并发展了一种结合对称差分法和背景差分法的行人目标检测算法,利用混合高斯建模对背景进行更新。在行人检测方面,针对不同的场景分析了人头特征在行人目标检测中的优势,在人头检测方面,选择了Haar特征并应用改进的Adaboost分类器对人头目标进行检测。首先对Haar特征及积分图像进行了介绍,通过计算可以得到特征值。并且详细介绍了Adaboost分类器的训练方法和检测方法,并对检测方法进行了改进,在人头检测模块,提出了基于连通区域的轮廓提取思想,加载分类器在当前帧的前景轮廓内对人头进行多尺度检测,不但可以提高系统的检测精度,也可以提升人头的检测速度。运动目标跟踪方面,研究了常用的跟踪方法,分析了几种方法的优缺点,针对行人遮挡问题,发展了一种基于Meanshift和Kalman相结合的行人跟踪算法,当人群密度较大时,遮挡较严重时,本文提出了一种基本多特征匹配的行人跟踪算法。最后,为了验证本文算法的有效性和实时性,选取不同的场景和视频中不同的人数对该系统进行了测试,实验结果表明本文的算法抗干扰能力强,并且能够实时有效准确的对人流量进行统计。