计算机视觉检测技术是检测技术中一个新兴的应用方向和备受关注的前沿课题，是计算机技术、模式识别、检测技术、数字图像处理、人工智能等多门学科的结晶。如今，计算机视觉检测技术正在向更智能化的方向发展，即不需要人为干预，即可利用图像处理、模式识别等方法，获取一定区域内的信息并自动分析，实现对场景内目标的识别、定位甚至跟踪，得出对图像内容含义以及客观场景的理解，最终给出检测结果。如今随着社会经济高速发展和人口城市化，高层及超高层建筑不断崛起使得垂直交通问题变得越来越突出。为了有效解决在高层和超高层建筑中存在的复杂交通问题，除了对高速和超高速电梯的需求外，高效的电梯群管理系统不可或缺。若能提前获取各楼层的候梯人数，让若干电梯服务于等候人数较多的楼层，便能大大提高电梯群的运送效率。本文提出基于计算机视觉检测技术的候梯人数检测系统，能够较好的利用计算机视觉检测技术在精度以及速度上的优势，为电梯群控系统提供准确的、实时的调控依据。本文详细分析了候梯人数检测这一应用的特殊性，综合考虑了候梯厅背景的复杂性与多样性、候梯厅的光照条件、候梯厅内的待识别目标以及候梯人群的空间分布特性等因素，设计并实现了一套适用性强、精度高、拥有一定鲁棒性的候梯人数检测系统，包括使用拍摄角度为自顶向下的焦距可调的半球型广角摄像机、基于H.264编码的图像采集卡、基于FFMPEG的软件解码器、基于OpenCV的图像接口以及基于Qt集成环境设计的在LINUX系统环境下用户图形界面。在核心算法方面，本文利用动态序列图像的帧间信息，设计并实现了包括运动检测与目标提取两大处理过程的图像处理算法。该算法主要利用基于阈值的背景减去方法，减去候梯厅的固有背景。在经过一定的处理与修正过程后，利用连通性聚类将候梯厅内的候梯人群目标提取出来，最后把聚类结果分为单人个体与多人人群两种情况分别进行识别与统计，并利用基于两帧之间目标的重叠区域的“单人防分裂”算法与多人人群分割算法，最终得到检测结果。通过实际实验验证，在不同的场景下，该算法均能准确快速的识别统计摄像机视野范围内的候梯人数，在光照稳定的前提下，人数检测的准确率可以保持在80%以上，检测的速度可以保持在每秒15帧至每秒20帧左右，满足实际系统的要求。同时，本文分析了该方法的不足之处与改进方法。由于背景减法的对光照条件的局限性和动态序列图像处理算法本身的缺陷，在某些特殊情况下该算法可能引入误差。为了提高系统鲁棒性，本文又提出了一种基于Mean Shift分割技术配合基于彩色直方图匹配人头区域肤色发色特性的静态图像辅助处理算法。通过实际实验验证，该算法的准确率同样可以满足实际应用的要求。