由于视频会议场景中存在人员之间的遮挡、人员基本无运动等特点,传统的人数统计算法在视频会议中存在统计准确率和误检率的问题。HOG算子在行人检测中使用广泛,因为其具有良好的光学和几何不变性,但是在视频会议场景,人员之间相互遮挡,背景因素影响严重,HOG算子检测准确率较低,针对此问题设计了一种基于极坐标多尺度HOG算子和时空特性相结合的方法统计人数,并取得了一定成效。通常的人脸识别算法主要经过三个步骤:人脸检测、特征提取、特征对比,对于简单场景,人脸识别在很多场合都具有很高的检测准确率,但是视频会议场景遮挡问题严重,人脸识别并不能有很好的检测率。人头检测算法多应用于视频监控中,悬顶摄像头比较常见,也不适用于视频会议场景。后来设计了一种头肩模型模型和肤色检测相结合的算法,该算法首先运用双混合高斯背景模型提取图像前景,然后计算前景图像轮廓的Hu不变矩特征,并且和训练好的概率头肩模型的Hu不变矩进行最小距离匹配,最后,利用肤色检测滤除非人目标的干扰,从而更加精确地获得参会人员人数,但是检测精度依旧达不到工程需求。鉴于此,本文提出了三点改进措施:1)首先采用了双混合高斯背景模型来提取前景,该模型利用两种更新速度不同的高斯模型更新背景,相比较高斯混合背景而言可以更好的提取视频会议场景运动幅度较小甚至静止的前景。2)视频会议中存在许多遮挡现象,这就给人数统计造成了误差,鉴于此,本文采用了一种连通域复检测的方法来部分解决遮挡问题带来的人数统计误差,在进行前景提取的时候,对前景像素进行一个膨胀操作形成连通域,对连通域的像素能量统计进行一个阈值判断,判断该连通域是否为人员遮挡或者噪声、小物件带来的的影响,从而对人数统计进行一个复检测,提高人数统计的准确率。3)本文改进并且提出了一种自适应能量模型算法,首先,采用双混合高斯背景建模的方法提取所需要的前景信息,然后利用自适应能量构造一种人的所占像素不随人的距离相机远近而变化的能量模型来处理前景像素信息,利用前景连通域顶点底点以及拐点的角度信息使连通域遮挡程度向着参考人遮挡程度靠近,最后统计视频会议场景的参会人数,运用该模型统计人数的准确率比传统方法的准确率在一定程度上有很大提高。综上,本文改进算法对于视频会议场景能够进行实时人数统计,并且具有很高的统计精度,对会议场景出现的遮挡、低头等具有很好的鲁棒性。