本发明公开了一种基于人工智能的视频人员跟踪与计数方法，该方法综合运用卷积神经网络提取的学习特征和几何计算提取的人工特征，利用可在线更新网络参数的跟踪器进行视频图像序列之间的多目标匹配，根据同一行人在相邻帧中的内外侧标识位的变化来计算人员增量。利用稀疏自编码器从海量公开视频数据集学习得到一组特征集，并作为卷积神经网络的滤波器，提高了卷积神经网络的在线更新效率。此外，还考虑了常见的人员遮挡模式，并对遮挡造成的计数误差进行补偿。本发明的方法具有鲁棒性、实时性、相对较高的精度和较强的抗遮挡能力，适用于视频大数据下的人员计数，可以集成到视频监控软件系统中。