随着数字图像处理、计算机视觉等技术的发展，视频图像的分析和应用得到广泛而深入的研究。人流量统计分析正是基于视频图像处理的一个重要应用。基于视频图像处理的人流量统计分析涉及一整套的流程，包括视频采集、运动人体检测、运动人体跟踪、人流量计算等。本课题主要研究内容为：1.研究了摄像头安装角度对算法的影响，并确定了微侧垂直角度的最终方案。因为垂直放置能最大程度的减少物体因相互遮挡造成的信息损失，而微侧放置是为了在运动人体检测过程中满足基于人体形态学的分离算法，课题研究中的人体形态学分离算法要求图片是偏向一边的，以便算法标记接触点。2.研究了运动人体的分离算法。二值化图像后，如果没有有效的分离相互接触的人体，跟踪算法就不可能实现准确的跟踪。本课题提出了一种基于人体形态学的分离算法，它有效的利用了人体的二维特性，确定了最大凹点处即是两人体接触点的结论，本论文基于OpenCV框架实现了这种分离算法，并验证了它的有效性。3.研究了运动物体跟踪算法。本论文研发出了一种特征匹配结合区域匹配的方法。在匹配原则上，提出了一种全局最优的偶图匹配法，在连续两帧中计算各个运动人体间特征变量和区域变量的加权距离，从而找到全局最优匹配。4.研究了整个系统的实现，在系统的整体实现方面，本论文选用Intel公司的计算机视觉函数和开源图像处理库OpenCV，多线程方面采用Linux系统下的pthread包，采用Ｃ++语言实现整个系统。作为一个完整的人流量统计系统，除人流量统计模块外，还包括摄像头配置、参数配置、结果保存、结果显示等很多其它辅助模块的实现。本课题主要研发优化了人流量统计分析中的检测算法、跟踪算法，并实现了高效稳定的人流量统计系统。