為了解決人群遮擋嚴(yán)重、光照突變等惡劣環(huán)境下人群計數(shù)準(zhǔn)確率低的問題，提出基于混合高斯模型（GMM）和尺度不變特征變換（SIFT）特征的人群數(shù)量統(tǒng)計分析新方法。首先，基于GMM提取運(yùn)動人群，并采用灰度共生矩陣（ GLCM）和形態(tài)學(xué)方法去除背景中移動的小物體和較密集的噪聲等非人群前景，針對GMM算法提出了一種效率較高的并行模型；接著，檢測運(yùn)動人群的SIFT特征點(diǎn)作為人群統(tǒng)計的基礎(chǔ)，基于二值圖像的特征提取大大減少了執(zhí)行時間；最后，提出基于人群特征數(shù)和人群數(shù)量進(jìn)行統(tǒng)計分析的新方法，選擇不同等級的人群數(shù)量的數(shù)據(jù)集分別進(jìn)行訓(xùn)練，統(tǒng)計得出平均單個特征點(diǎn)數(shù)，并對不同密度的行人進(jìn)行計數(shù)實(shí)驗(yàn)。算法采用基于CPU多流處理器進(jìn)行加速，并針對所提算法在統(tǒng)一計算設(shè)備架構(gòu)（ CUDA）流上任務(wù)的有效調(diào)度的方法進(jìn)行分析。實(shí)驗(yàn)結(jié)果顯示，相比單流提速31.5%，相比CPU提速71.8%。