随着智能视频分析技术的快速发展,视频人数统计已经成为该领域的研究热点。通过对公共场所人流量的统计,可以解决地铁、公交车、机场等公共资源的分配问题,同时对人流过度密集的情况进行及时预警,预防公共安全事故,为管理方法提供数据支撑。但在实际场景中,复杂的环境和相互交错的运动轨迹会带来漏检与误检问题。因此对视频人流的准确统计具有较高的现实需求和意义。本文主要对前景分割、头部检测和跟踪方法进行探索与研究。首先采用动态像素补偿的混合高斯模型对视频图像进行前景检测;其次利用改进的随机Hough变换(RHT)对感兴趣区域内的头部进行检测;最后采用改进的Kalman滤波跟踪方法实现人流的实时跟踪,并设置计数区域进行统计。论文的工作主要包含以下几个方面:(1)针对视频中光照突变导致背景误判为目标的问题,提出了基于动态像素补偿的混合高斯模型方法。利用视频帧图像中相同位置的像素均值和背景像素之间的中心距建立动态像素补偿模型,然后将待检测帧与动态像素补偿模型相加,即可把光照变化影响值融入待检测帧中,弱化了快速光照变化对高斯模型的影响,从而获得较好的前景检测结果。(2)针对头部检测存在的遮挡和干扰问题,本文首先采用摄像头垂直向下拍摄的方式,解决人流靠近、接触时发生的遮挡问题;其次根据前景提取的结果决定感兴趣区域,并利用改进的随机Hough变换检测区域内的圆,该方法避免了复杂背景中类圆目标的干扰,同时减少无效的圆累积,提高圆检测效率。(3)为了减少目标跟踪时漏检和误检情况的出现,提出了一种结合最小欧氏距离的卡尔曼滤波跟踪方法,采用Kalman滤波器预测出目标在下一帧的位置,以该位置为中心寻找匹配目标,并对目标遮挡、分离、静止等问题进行分析和处理,解决了跟踪失败问题。在计数时,采用双线计数法对出入的人流进行统计。利用本文提出的人流计数方法在MATLAB2013b平台上进行测试,实验结果表明,在背景突变、双向人流等复杂场景中,本文方法均具有较高的计数精确度,并且有效解决了漏计问题,满足实时应用的要求。