人流量统计是智能视频监控系统的关键技术之一,其任务是利用视频图像分析技术自动统计在某个时间段内通过某一场景的行人数量。由于行人信息是许多行业中的一个重要信息,因此,该技术可以广泛应用于商业、金融业、餐饮业以及交通运输业等领域。但在实际复杂场景中,该项技术仍面临着诸多挑战,例如,光照变化、低分辨率、图像视角变化、复杂背景以及行人遮挡等。针对这些因素导致的人流量统计不准问题,本文主要从两方面进行人流量统计方法研究,以期在复杂场景下能准确地进行人流量统计。本文的主要工作如下:1.鉴于单向人流量统计是人流量统计技术中的一个重要组成部分,本文首先提出了一种较为新颖的基于回归的人流量估计方法。该方法通过结合编码后的密集梯度方向直方图特征和人头密度分布特征图,学习得到一个用于估计每一个像素点处的人数的回归函数。此回归函数可以通过对检测线上的行人进行采样,从而达到人流量估计目的。最后在多组真实复杂场景下的图像序列上进行大量对比实验,实验结果表明该方法不仅能准确地进行单向人流量估计,且与传统方法相比,其稳定性更好,效果更优。2.为了能准确定位到单个行人以及进行双向人流量统计,本文提出了一种基于检测的人流量统计方法。该方法首先利用选择性搜索方法获取到大量包含人头目标的候选区域;然后使用由梯度方向直方图和支持向量机结合训练出来的人头分类器模型进行人头粗筛选;之后利用由卷积神经网络和支持向量机结合训练出来的人头分类器模型进行人头精细筛选,得到准确的人头目标;最后利用区域限制和特征匹配的方法对人头目标信息进行跟踪,得到人头关联航迹,并在关联航迹通过设置的检测线时进行人数统计。大量实验表明,本文提出的基于检测的人流量统计方法在复杂场景下能准确地进行双向人流量统计。