随着社会的不断发展，人数统计有着越来越重要的意义，其应用范围也越来越广泛。例如，商场人数统计，特殊场景下的人数统计，关键区域内人数统计，公交上下人数统计等。这些区域的人数对公共安全防范，市场决策和交通配置等都有着非常重要的价值。　　首先，本文介绍了人数统计系统在国内外的发展现状，分析了常用的人数统系统的处理流程以及涉及到的关键技术，分析和比较了运动目标的检测和目标跟踪的常用方法以及图像识别过程中常用的方法，着重介绍了本文所采用的双码本建模方法。在此基础上，具体研究了人统计系统的总体设计方案和实现过程，阐述了人数统计系统的各组成模块以及其功能，并对系统的运行流程进行了描述。　　然后，深入研究了图像处理部分的实现，其中重点研究了前景检测模块和基于HAAR特征的分类器的原理和实现机制。在目标跟踪模块的实现中，采用的是Kalman滤波。　　其次，针对实际应用场合环境复杂多变，为了避免发生严重遮挡问题，本文提出一种在垂直摄像头下基于运动目标检测与人头HAAR特征的人数统计方法。垂直摄像头可以降低行人之间的遮挡程度，在行人相互靠近时，也只有人头之间基本上可以不发生遮挡。本文通过机器学习的方法，通过利用HAAR特征和AdaBoost算法，训练出来一个良好的人头检测分类器，然后利用它在提取的运动区域中检测出入头，同时对每个检测出来的人头进行跟踪，便可以最大限度的去除掉误检和漏检的区域。该方法不仅计数准确，大幅度的减小行人之间的遮挡问题，而且能满足较高实时性的要求，易于实现，能够达到很好的计数效果，而且只要采用普通PC机即可处理图像数据。　　实验结果表明，基于运动目标检测和HAAR特征的人数统计设计方案合理可行，基本达到了所要求的性能。