视频监控人数统计是智能视频监控的一个新的应用方向,兼有人群监控与客户流量统计的功能。人群的数量对场所安全管理是一个重要的依据,而客户流量统计则是为商业决策、交通管理、工作计划、商务活动策划等提供重要依据,具有直接的商业价值,广泛应用于社会经济活动中。 基于视频监控的人数精统计的关键问题在于正确地提取与分割运动目标、提取目标包含的人体数目和解决跟踪过程中目标之间的遮挡、粘连引起的跟踪丢失等问题。由于监控场景的背景随着环境光线的变化而变化,使得目标像素与背景像素不易区分,而人体在场景中运动也给背景引入了变化,因此本文在目标检测方面主要研究如何抑制背景的影响。人体目标在图像中的互相遮挡或粘连是无法避免的,这种情况会造成人数统计不精确,因此需要对多人体目标的人数进行提取,同时选择更好的目标分割方法尽量减少目标之间的粘连,与更具代表性的不以目标的位置和形状而改变的特征使得目标能够更具匹配区分性,在粘连或遮挡情况下仍能继续跟踪和提取人数。同时,由于图像处理的运算量很大,必须在选用准确度高的算法的同时兼顾实时性,实时性同时也是保证目标跟踪正常进行的前提。 本文针对目标像素的检测提出结合帧间差的双阈值背景差法,并对检测到的前景像素进行HSV空间下的去阴影处理,同时使用基于非运动区域的选择性背景更新方法,有效地抑制背景对目标检测的影响。在目标提取中通过闭运算融合分裂的目标像素,并且采用基于区分连通域的快速填充算法对目标内部进行填充,从而提取了较为完整、形状基本正确的人体目标；在目标人数提取上提出基于投影扫描的人数估算方法。在目标跟踪中通过对目标多种特征的研究与对比,采用几何特征、灰度与HSV色度直方图相结合的颜色特征、目标连续性之类的运动特征等多特征相结合的基于特征匹配的跟踪方法,很好地完成了目标的跟踪匹配与状态分析。所有的这些处理方法使得通行计数能够保持较高的准确率。 最后,总结了本文的工作,并初步探讨了本课题研究中的不足之处,指出了下一步工作的主要方向。