大型交通枢纽站是乘客集散的重要场所,通常集铁路、地铁、公交等多种交通方式于一身,具有衔接复杂、客流量大、设备设施数量多的特点。大型枢纽站如何最大限度降低安全风险,确保高效有序的运营,是一项具有重要意义的研究课题。视频监控在大型枢纽站的安全高效运营中发挥着重要作用,例如客流记数、安全监控和行李检测等在许多场所都有应用。由于人工视频监控成本较高且容易产生疲劳,计算机辅助或全自动视频监控与分析成为了今后发展的趋势。针对大型交通枢纽站客流量大和安全要求高的特点,本文对如下四个方面进行研究：首先,基于行人检测和追踪的算法对行人计数进行研究。在行人检测中对样本的头肩提取改进的HOG-PCA特征,然后采用线性支持向量机进行训练和分类；行人追踪采用结合HOG和颜色直方图的粒子滤波算法,该算法能够对行人有效地追踪。行人计数方法将行人检测和追踪算法相结合,对经过大型交通枢纽特定区域内的行人进行计数。最后运用追加验证的方法进一步提高了算法的准确率。实验结果表明该方法在保证实时性的情况下,能够达到较高的准确率。其次,对大型交通枢纽内客流动态密度估计与流线分析的相关算法进行研究。针对行人较多且遮挡较为严重的情景,采用特征提取和回归分析的算法框架对客流密度进行估计。特征提取加入了基于词袋模型的内部特征,提高了密度估计的准确率。客流流线分析采用主题模型,结合旅客行走出入口的先验知识和流线的空间时间以及外观信息,对流线实现了较为准确的聚类,同时得到旅客行走的主要轨迹和出入口分配比例。然后,对大型交通枢纽站内行人异常入侵和物品滞留这两类异常行为的检测算法进行研究。行人异常入侵检测采用高斯混合模型的背景建模方法,并采用阴影像素模型减少行人阴影造成的干扰。滞留物品检测算法采用码本模型,根据滞留物品的定义,将滞留行李主人与滞留物品的时间和空间约束作为是否将行李判定为滞留物品的条件。算法在保证准确率的同时具有较好的实时性。最后,对客流监控平台进行了设计与实现。客流监控平台基于.net框架设计,算法部分采用c++实现。客流监控平台的基本功能包括实时监控、视频查找与管理等,同时集成了客流统计和旅客异常行为检测等算法,能够对数据结果进行分析和可视化展示。