城市化的发展，使得人们的社会活动更加频繁，于是客流统计的研究具有重大的意义和经济效益。针对现实中智能交通、视频监控等方面的应用，本文的应用背景是双目视觉下的行人目标的数量统计。为了有效的解决目标被遮挡这一问题，系统通过改变双目摄像机的安装位置，将其安装在行人目标正上方，采集俯视图像。行人的头顶圆的特征包括头顶部轮廓特征、头顶的颜色、头顶纹理，在俯视图像中是最为完整的，而且能区别于其他运动目标。因此，如何提取出有效区别于其他目标的行人头顶圆特征是本课题中最重要的环节。本文的研究内容主要有：一是头顶圆的检测；二是立体匹配；三是目标跟踪。在通过摄像机的图像采集后，得到的俯视图像中头顶是一个类圆轮廓，本文对目前应用较多的两种改进的Hough圆检测变换方法进行原理分析和实验比较后，选取基于梯度的Hough变换中的21HT。在21HT由轮廓的边界点的边缘梯度向圆心位置映射时，引入误差极值有效地去除伪目标，实验结果验证了引入误差极值的21HT对头顶圆的检测上准确率和实时性较高。在头顶圆的特征提取的基础上，分析比较立体匹配的关键技术，特别是相似性度量。通过分析双目的视觉，提出了区域匹配算法中采用基于视差梯度的自适应窗口，改进相似性测度函数得到基于视差梯度的自适应窗口区域匹配算法，从而得到目标的视差。并分析双目视觉下的头顶圆的深度信息和几何特征关系，以此作为判定条件，进一步提高目标识别的准确率。在系统的视频序列的目标跟踪上，采用基于扩展Kalman滤波预测在视频序列中结合头顶圆的半径和圆心位置进行目标跟踪，得出目标的运动轨迹。最后，本文利用提出的算法实现双目视觉下的行人目标的统计系统，并在实验室完成对行人的识别与跟踪实验，结果证明系统的统计准确率达到95%以上。