目前,计算机视觉技术在视频监控领域的应用逐步增多,如何利用图像处理技术快速准确地进行人数统计已成为一项关键研究任务。常见的彩色图像包含丰富的纹理、颜色等信息,但面临着阴影、光照变化等因素的影响。而深度图像不受上述因素的干扰,但缺少可以有效利用的纹理信息。基于此,本文融合彩色(RGB)图像与深度(Depth)图像对人数统计方法展开研究。具体包含以下三方面工作:第一部分,对基于RGB-D双模数据的人数统计方法进行研究。该任务是统计监控区域内当前存在的人体目标数量。针对这一问题,本文首先采用图像分割的方法对深度图像中的人体目标进行快速分割,然后将卷积神经网络(Convolutional Neural Network,CNN)用于彩色图像中候选结果的识别,继而完成人数统计任务。实验结果表明,本文中的分割方法可以有效地将人体目标从深度图像中分割出来,同时目标识别方法能够正确识别候选结果中的真实目标。第二部分,对复杂环境下的人流量统计方法进行研究。与前部分不同的是,人流量统计任务是统计某个时间段内通过监控区域的行人个数。完成该任务的技术在检测行人目标的同时,需要对目标进行跟踪。为此,本部分采取Kinect传感器垂直拍摄的方式采集图像。首先,本章方法采用背景减除技术快速获取深度图像中的运动区域。接着,在运动区域中利用注水算法进行候选人头目标检测。然后,将支持向量机(Support Vector Machine,SVM)用于候选目标中真实人头的识别工作。最后,本文将基于加权的K近邻多目标跟踪算法用来跟踪每一个确认的人头目标,并对通过监控区域的行人目标进行计数。为了评估该方法的有效性,本文在两个场景下创建了四个数据集。实验数据表明,本文方法的性能优于现有主流方法,而且本文方法可以在干扰目标多的场景下稳定工作。第三部分,本文在人流量统计算法的基础上设计并实现了一个基于Kinect的人流量统计软件,该软件采用C++和OpenCV编程实现,可以对通过监控区域的行人数量进行实时统计。