公交车客流统计系统的实现对提高公交系统智能化水平,改善公交乘车环境具有重要意义。然而现有的公交客流统计系统,如基于压力踏板、IC卡和红外传感器的方法,由于可维护性差或精度不高等原因,难以满足实用要求。摄像头传感器具有不易损坏和信息丰富的优点,这使得基于视频的客流统计方法成为客流统计的新趋势。但由于图像受光照影响大、乘客间的相互遮挡、乘客的多样性和嵌入式平台计算资源受限等因素,使得基于视频的客流统计系统的实现依然是一个具有挑战性的任务,为此,本文认真分析基于视频的公交客流统计的难点,广泛调研相关算法,合理选型嵌入式计算平台,提出并构建一套基于机器学习算法的公交客流统计系统。本文的主要工作在于:(1)本文采用的是检测与跟踪相结合的客流统计方法,检测部分采用了基于人头HOG特征训练SVM分类模型的机器学习算法。该检测算法具有较好的检测效果,达到一定的实用精度,KCF算法是一种精度高速度快的跟踪算法,并且可以复用检测部分的HOG特征,在保证检测器准确率高的情况下,本文提出采用KCF跟踪算法弥补检测器召回率不高的问题。(2)本文在ADSP-BF609平台上实现了提出的客流统计系统,并将系统安装到公交车上进行测试。实验结果表明本文提出和实现的公交车客流统计系统是有效的,在不拥挤的公交车线路上,本系统的客流准确率达到90%以上,拥挤的公交车线路的准确率也可以达到80%以上,检测速度达到了 15 FPS,系统达到了设计目标,目前处于中试运行阶段。