客流信息是对通过指定区域人流量进行统计的结果,在商业、安全、资源调度等方面具有重要意义。例如,根据大型商场不同时间段、不同区域的客流信息,可以合理调整销售策略、门店位置,提高经济效益;根据体育馆等公共场所的客流信息,可以合理分配安保人员和设施,提高应对突发事件的能力。随着计算机技术、图像处理和模式识别等相关技术的发展,使用计算机分析图像信息,实现行人统计成为了可能。基于视觉的行人统计方法能有效克服以往行人统计方法统计不精确、安装环境限制多等缺点,得到了越来越多的学者的研究。本文将基于视觉的行人统计系统分为三个部分:感兴趣区域提取、行人检测、行人跟踪,分别对这三个部分进行了研究:1.矩形运动区域提取。本文将运动区域作为感兴趣区域进行后续检测,不仅减少了后续检测的计算量,而且去除了复杂背景对检测的干扰,提高了检测精度。本文使用视觉背景提取算法提取运动区域,利用数学形态学对提取结果进行滤波,然后求滤波结果的外接矩形,将求得的结果作为感兴趣区域。视觉背景提取算法运算简单,计算速度快,对变化背景的鲁棒性好;数学形态学滤波能去除提取结果中的小区域、“空洞”,提高运动目标提取的完整度、精度。2.基于头肩部特征的行人检测。针对以往行人检测方法在行人统计场景下的不足,通过检测人体头肩部特征实现行人检测。行人统计场景下,行人之间相互遮挡严重,对行人整体进行检测效果很差;行人头部因为发型、装饰等原因差别很大,所以对头部的检查也不能获得很好效果。人体头肩部呈“Ω”形,包含丰富的轮廓信息,行人密度较大时,从俯视角度观测也不存在严重遮挡。根据CENTRIST特征能描述目标轮廓信息的特点,使用支持向量机训练了分类器,通过检测人体头肩部特征实现行人检测。3.基于卡尔曼滤波的多目标跟踪。卡尔曼滤波器的递推形式使其适合于计算机实现,同时,它具有计算速度快、存储量小的优点,适合运用到实时系统中。匈牙利算法是一种求解指派问题的简便方法,时间复杂度较低。本文对行人检测结果分别进行卡尔曼滤波得到预测值,将预测值与下一时刻观测值之间的对应关系看作指派问题,将它们之间的欧式距离组成费用矩阵,用匈牙利算法求解,实现多目标跟踪。本文将矩形运动区域提取算法、基于头肩部特征的行人检测算法和基于卡尔曼滤波的多目标跟踪算法运用到行人统计系统之中。实验表明,本文的行人统计系统能实现实时、较高精确的行人统计。