基于双目立体视觉的客流量统计技术具有高效、准确和成本低等优势,被广泛应用于商场、景区以及地铁等人群密集场所。然而在人员拥挤的情况下,行人间的遮挡和光照的变化会使基于双目立体视觉的客流量统计算法出现误检和漏检的现象。为了提高客流量统计算法的精度,本文的主要工作如下。（1）提出了一种基于特征融合的双通道SSD（Single Shot Multi Box Detector）行人检测算法,提高了光照和遮挡条件下的行人检测精度。首先,构建俯视图下的行人头部数据集,克服行人间遮挡问题,利用基于TADG-FCensus的半全局立体匹配算法得到含有清晰头部边缘信息的视差图,进而通过双目测距原理计算得到目标的深度图像。然后,在双通道SSD网络结构中,将彩色图像通道中的Conv4＿3层和FC7层分别与深度图像通道中的Conv4＿3层和FC7层以Concat或Eltwise方式相融合,获得最优双通道SSD网络模型。最后,将网络中的Conv4＿3＿Fuse层与Conv10＿2＿Fuse和Conv11＿2＿Fuse层相融合,充分地学习行人头部的特征信息。实验结果表明,改进后算法在自制数据集上的平均检测准确率为96.49%,相比于SSD算法提高了11.97%,改善了由光照变化和遮挡导致的漏检问题,增强了对行人头部的识别能力;将改进算法在TVHeads数据集上进行实验,得到的检测精度为95.4%,相比于SSD算法提高了13.16%,增强了改进算法的泛化性能。（2）提出了一种基于改进Deep SORT的行人跟踪算法,克服了行人跟踪过程中由相似行人头部信息造成的误跟踪问题,通过在关联函数中加入空间距离信息,对行人运动区域进行预测,减少了行人头部ID交换的次数。采用双线计数算法对行人的出入进行统计,改善了视频中由于行人徘徊导致错误计数的问题。实验结果表明,改进后算法在两个视频序列上的平均跟踪精确度为86.2%,相较于Deep SORT算法提高了4.6%;行人计数的平均识别率为96.45%,平均漏检率为3.55%,平均误检率为1.7%,得到了较高精度的客流量统计算法。