随着城市轨道交通的发展，地铁车站内高密度行人的聚集为地铁的运营和安全问题带来了很大挑战。对站内的乘客数目、乘客拥挤程度及乘客分布方式的监控越来越为重要，实时采集客流信息对轨道交通管理体系的智能化决策、控制以及安全预警有着十分重要的意义。 本文在此背景下提出了精度高、成本低、易与推广的实时智能采集客流信息的方法，即基于图像处理技术的客流信息采集算法。该算法能有效利用现有车站CCTV系统，通过图像处理技术，实现对监控视频的识别，实时获取客流信息。采用的图像处理算法主要包括自适应背景减除算法和基于RBF神经网络的客流数据识别算法。 本文主要的研究成果包括以下几个方面：1)提出了自适应背景减除算法，该算法实现了对地铁车站这种复杂背景中运动行人的检测，能有效消除噪声的影响，精确分割出行人前景图像； 2)提出了基于RBF神经网络的客流数据识别算法，该算法实现了对行人前景图像的自动识别，获取其包含的行人数目及行人密度，算法具有快速、精确度高的特点； 3)在实验室现有硬件条件下搭建出客流数据实时采集系统，对全文的理论算法进行了验证，目前该系统运行稳定。 4)利用客流数据实时采集系统完成了对地铁车站大厅、通道、楼梯场景的实验分析，结果表明，该系统能够较为准确的实时获取行人数目、行人密度，符合设计的预先要求。