為了解決人群遮擋嚴重、光照突變等惡劣環境下人群計數準確率低的問題，提出基于混合高斯模型（GMM）和尺度不變特征變換（SIFT）特征的人群數量統計分析新方法。首先，基于GMM提取運動人群，并采用灰度共生矩陣（ GLCM）和形態學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，檢測運動人群的SIFT特征點作為人群統計的基礎，基于二值圖像的特征提取大大減少了執行時間；最后，提出基于人群特征數和人群數量進行統計分析的新方法，選擇不同等級的人群數量的數據集分別進行訓練，統計得出平均單個特征點數，并對不同密度的行人進行計數實驗。算法采用基于CPU多流處理器進行加速，并針對所提算法在統一計算設備架構（ CUDA）流上任務的有效調度的方法進行分析。實驗結果顯示，相比單流提速31.5%，相比CPU提速71.8%。