近年来,我国经济的迅速发展使得环保理念越来越深入人心。而花园城市的建设,防风林和绿化带的种植都离不开苗木,于是苗木绿化植物的需求量迅速增加。现有种植苗木的苗圃面积大,苗木数量多,然而苗木库存的数量统计均是通过人工计数,其存在劳动成本大,效率低,人力资源浪费严重,并且不能保证计数的准确率等问题。本文针对此问题设计开发出云杉苗木数量统计软件,以期减轻一线工人的劳动负担。本文在对研究背景和意义以及计数相关的国内外研究现状分析的基础上,选取基于梯度方向直方图(Histogram of Oriented Gradient,HOG)特征的级联分类器对云杉数量统计算法展开研究。主要研究内容如下:首先利用大疆精灵4无人机在内蒙古苗圃基地进行云杉图像采集,对云杉苗木图像进行预处理;然后利用积分图像计算HOG特征,Adaboost算法再将每一层弱分类器的特征进行叠加并更新权重,从而增添强分类器中弱分类器的数量,直到达到误检率或弱分类器的最大值,输出强分类器即一个阶段(stage),将输出的强分类器进行串连组成级联分类器;再利用级联分类器进行实验,通过多次实验对比设置分类器最佳的阶段数和误检率来训练云杉的正负样本,并利用训练好的模型对100幅云杉苗木图像进行测试,使用方形框标记检测出的云杉并通过对方形框的数量统计来表示云杉的数量;最后对结果进行分析讨论,实验结果表明,该算法对云杉数量统计的准确率较高,均在85%以上,优于颜色特征以及K-means聚类分割的两种云杉数量统计算法。基于以上算法研究,本文设计并开发出基于HOG特征的级联分类器云杉数量统计软件,能够为相关的实际应用提供算法支持、操作平台和软件实现。