在现实生活中,因人流量过大而引发的安全事故不胜枚举。此类事故一旦发生,后果极为严重。为了防止此类事故的发生,可通过视频监控的方式统计人数,及时对行人进行限流和分流。本文主要研究垂直角度下的行人检测与跟踪,并最终达到人流量统计的目的。本文的主要研究内容包括:1)提出了基于多特征的行人头部检测算法。在深度图像的基础上,定义了垂直角度下的四个头部特征,依靠对多特征的提取实现了行人头部的检测。实验表明,所提算法有效地解决了行人发型多样性和头部部分遮挡场景下的头部检测问题。2)提出了基于同心圆的行人头部检测算法。在深度图像的基础上,对图像中的头部区域深入分析,发现图像中的头部区域可通过同心圆进行拟合,且可依靠同心圆的内外圆实现对头部区域的分割,并利用均角射线法提取同心圆序列对,最终通过计算序列对“距离”的方式实现对头部的检测。实验表明,所提算法能较好地检测出深度图像的行人头部区域。3)提出了基于头部特征点和同心圆的快速头部检测算法。2)中所提算法计算复杂度高,需要进行大量迭代才可实现头部检测。为了提高算法的检测速度,提出头部特征点提取算法,该算法能滤除大量非头部区域的像素点。通过头部特征点过滤算法的作用,实现对2)中算法的加速,最终实现了深度图像下的头部快速检测。4)提出了基于卡尔曼滤波的行人流量统计算法。利用卡尔曼滤波实现了行人的准确跟踪,通过卡尔曼滤波技术形成目标轨迹线,依靠对轨迹线的分析,总结出轨迹线判断策略,实现人流量的统计。