随着社会的飞速发展,人群密集的场所随处可见。对特定场景下的人员进行统计分析,实现人机交互式的统计分析算法,可为城市资源优化配置、现代安防、商业信息采集等提供有效可行的技术手段。本文基于视频监控系统,采用视频分析技术,围绕特定场景人员统计及其特征细化开展研究,这不仅具有重要的理论意义,也具有鲜明的实际应用价值。围绕基于视频的场景人员统计分析及其人员特征细化,本文主要开展了如下工作:首先,本文阐述了当前基于视频的人员统计方法的弊端,对当前人员热度统计在技术上的难点进行了分析,进而提出一种基于目标检测的高效快速的场景人员统计方法;其次,在人员检测的基础上,本文对场景人员的特征进行了研究,包括体型、性别和年龄三种特征。在体型识别方面,首先利用Mask RCNN进行人体分割,然后基于OpenPose提取人体关键点,进而根据不同的观测视角,提出了一种基于几何测量的体型识别方法方法,并利用模糊数学方法进行判断。在性别识别方面,本文在某室内场景数据集上,采用目前较为先进的深度残差网络模型进行特征提取与分类,突破了普通网络对于网络深度的限制,取得了良好的效果。在年龄识别方面,本文将其作为一个多分类问题(即分为不同年龄段)进行研究,在对样本进行预处理的基础上,采用了一种密集连接的深度网络模型进行年龄的识别,达到了年龄辨识准确的目的;最后,本文对上述各个功能模块的算法进行了测试,实验结果表明,本文设计的方法具有良好的识别效果。