车载双目客流分析算法是整个系统的灵魂其运行在高性能数字信号处理器(TI DSP)中，每秒进行25帧的实时图像分析，客流统计处理算法嵌入式客流分析终端中的DSP处理器，实时采集视频图像，并检测运动目标的特征点（feature points），然后对特征点进行空域上的聚类（Cluster）和时域上的匹配，从而识别运动目标；通过头肩信息、圆心距、行人运动的柔性特征等特征，基鸿运客流分析算法可以准确进行目标分类，准确识别运动目标中的行人；通过对行人目标的实时双向跟踪，可以实现准确的计数和方向的判定。
一、车载双目客流系统检测阶段
第一步：背景模型是车载双目客流分析算法处理的基础，本算法采用帧间差分算法与概率统计模型相结合的方法,能够在各种复杂环境下建立起一副尽可能真实的背景图像，从而为前景目标的提取提供重要基础。在系统中，一个模型可以理解为在一个环境（主要为角度）下，一个“人”特征的集合体。首先在一个固定角度的场景下，取得很多人 的图片，称之为样本，取得足够的样本（一般在十万到一百万之间）后，通过样 本来学习这些特征，得到的参数就是模型，模型集合了训练样本的特点。在遇到 相似场景时，装载相应模型就完成了系统检测的初始化。下图为一个场景下不同 的样本。
第二步：提取特征。为了让模型应用于一个物体，以确定这个物体是不是人， 我们需要提取相应的特征。根据机器自动学习的结果，一个模型 90%的数据是 基于形状提取的，10%的数据基于颜色和纹理提取。下图的红线为提取的形状特 征。
第三步：输出结果。将模型视为一个过滤器，而特征是待分类的材料，满足 过滤器的材料得以通过（即判定为“人”），不满足的则被拦住。根据模型和特 征，通过计算就可以判断一个物体是不是人。
二、车载双目客流统计跟踪阶段
跟踪主要是对特征信息的跟踪，包括位置信息，特征点，头肩信息等。由于每个目标的特征信息都不会完全一致，所以即使多目标交错，拥挤，本算法也能大限度的跟踪并区分出每个独立目标。系统跟踪阶段也采取了和特征相关的技术，有颜色特征、形状特征和位置特 征。
通过计算来比较前后两帧图像中所有人的特征，判定特征相近的两人为同 一人；
通过比较所有的图像，可以得到一个人完整的轨迹；通过计算轨迹的条数， 可以检测区域的客流；通过计算轨迹的方向，可以判断人是走入还是走出检测区域：
基于模型的检测机制，大幅度提高了系统的场景普适性。如在实际施工过程中，遇到出入口较宽、吊顶过高（十米以上）、吊顶过低或其材质特殊（如玻璃） 等情况，采取倾斜安装智能一体机，较传统的基于背景建模的检测技术，优势更 加明显。
三、客流量统计计数规则
在跟踪的基础上，计数的规则为：目标从跟踪线进入，并被连续跟踪若干次之后，从计数线离开，则为有效计数。不满足该规则的目标均不计数。系统的每一路视频都可以设置单独的计数规则。正常进入、斜向进入、双向 同时进出都作为正常数据，计入统计中。客流统计系统可有效排除各种干扰，如：犹豫未进入、门口徘徊、门口横穿等情况，保证数据真实性。