随着科技的进步,智能视频监控正日益发挥着越来越重要的作用。如今大规模的视频监控系统被广泛应用于各类公共场所,如何对这些海量的监控视频数据进行分析处理进而提取出有用的信息,是目前该领域的一个研究热点和难点。在智能监控的实际应用中,其中有一个关键的问题是对大规模行人数量的统计,目前行人数量的统计不仅仅关系到安防行业,其在交通、商业等方面也有着不可替代的作用,因此对行人数量统计的研究是一个具有重要现实和长远意义的课题。本文提出一种快慢结合的双高斯背景模型进行运动目标的检测。在该过程中,首先使用K-均值法对背景进行初始化学习并对背景模型的参数赋初值,接着使用背景减除的方法对当前帧进行运动目标的预检测,然后对检测出的候选前景区域进行邻域减除和形态学等一系列的处理,去除那些虚假的前景像素,准确检测出运动目标区域,最后根据检测结果对该背景模型采用快、慢两种更新方式对背景进行维护。除此之外,上述步骤检测出的运动目标区域可能存在阴影,为了能够较为准确的统计出行人数量,阴影的处理必不可少,本文采用基于YCbCr颜色空间模型的算法进行阴影的检测和处理。本文使用基于底层特征的方法对行人数量进行统计。文中主要选择行人的像素、运动矢量、颜色等特征进行行人数量统计的,该部分具体又可分为在斜角场景和垂直场景下的行人数量统计。在斜角场景下,首先采用上述运动目标检测方法进行前景像素的提取,接着使用LK光流算法进行运动矢量的估计,之后对于设置的虚拟门处的前景像素赋权值,最后进行函数拟合将用到的底层特征转化为能表述行人数量的高层特性,进而对行人数量进行统计。垂直场景具有不必考虑行人间遮挡问题的优点,在垂直场景下,增加头部区域特征的提取,具体来说是提取行人头部发色区域像素,进行如上述斜角场景下的过程对行人数量进行统计。实验表明,本文方法在两种场景下对行人数量的统计准确率能达到90%以上,满足视频监控中行人数量统计的需要。最后,本文对研究过程中存在的不足进行了分析,并对下一步工作计划做出了阐述。