智能监控是未来监控行业的发展趋势,人流量统计在智能监控领域具有重要的意义,但由于背景环境的复杂性、行人运动过程中出现遮挡问题导致当前方法准确率不高,此外传统过线统计人数的方式对实际适用范围也存在一定的限制。因此,论文重点针对人流量统计中的行人检测和行人多目标跟踪问题,结合区域内的人数统计策略提出了相应的技术方法。论文的主要工作和成果如下:1.行人头肩初定位是头肩检测算法的基础。为了解决在使用头肩轮廓的HOG特征作为检测对象时带来的背景环境干扰和检测时间过长问题,提出了一种自适应阈值背景更新算法,并利用该算法计算得到行人头肩可能出现的区域,以此缩小检测范围。该算法弥补了固定权值更新法阈值选择不灵活的缺点,能在背景不稳定时自动选择较高的学习率,加速背景收敛,能在视频画面存在行人运动时选择较低的学习率,从而保持提取行人前景轮廓的完整性,通过分析行人前景,预测头肩部位可能出现的区域。经实验分析,使用头肩初定位的检测算法比未使用的单个目标检测时间快了100毫秒左右。2.头肩检测算法主要精确定位行人头肩部位的位置,为后续的跟踪算法提供跟踪对象,是人数统计算法中的关键。首先,使用2000个头肩正样本和5000个负样本对头肩线性分类器进行训练,然后利用多尺度滑动窗口扫描头肩初定位区域检测头肩目标,最后对检测的结果进行拟合筛选,得到最终的行人头肩大小和位置。3.头肩目标跟踪算法是人流量统计的核心,为后续人数统计提供了计算的依据。针对多目标跟踪容易出现的目标间互相窜变、目标容易受到遮挡问题,提出了一种基于目标匹配矩阵多目标跟踪算法。在目标未发生遮挡的情况下,算法利用检测算法得到相邻两帧中同一头肩目标的欧式距离作为跟踪条件,同时利用KCF跟踪算法作为检测算法的补充,以此增加算法的鲁棒性;当目标发生遮挡时,根据运动目标前景和位置空间信息,根据目标未被遮挡的前景像素估算目标的位置,避免多目标跟踪丢失。4.开发了一套人流量统计系统,可以对监控视频进行感兴趣区域标定以及定义,并将人流量统计的数据保存到本地,用户不仅可以实时查看视频画面中的人数统计过程,而且对历史数据使用可视化的方式表现出来,实现对人流量的直观认识和分析。