基于视觉的行人检测与计数,是指在人不参与干预或者极少参与干预的条件下,分析由固定摄像头拍摄的静态图像或者图像序列,进而对行人进行识别、定位和人数统计。使用摄像头与计算机进行行人检测与计数,将人力从单调、繁重的人眼监控中解放出来,在辅助驾驶、人机互动、公共安全等方面有着广泛的应用。因此对该问题的研究具有非常实际的现实意义。　　 本文围绕行人检测与计数的研究展开,分析了该领域面临的主要挑战,总结出近些年行人检测与计数的相关研究工作及其不足。运动检测相关研究的发展,使得获取较好的前景图像成为可能。基于运动前景分割的行人检测与计数方法在处理现实场景的图像序列时,显示了良好的性能。本文基于运动前景分割的方法,针对现实场景中经常发生的行人遮挡等现象,提出了改进算法,主要工作与贡献主要有:　　 ①提出了基于自适应行人模型的行人检测与计数的方法,包括使用轮廓信息对完整的行人以及行人局部进行建模,使用栅格模板判断行人躯干可见性,以及建立分支结构的行人分类器。基于运动前景分割的方法构建最大后验概率估计问题,验证与优化自适应行人模型提供的预检测结果。由于局部检测子的引入和行人模型的自适应性,该方法可以很好的处理遮挡问题。同时,较好的预检测结果加快了优化过程中马尔科夫链蒙特卡洛算法的收敛速度,使得该方法可以满足实时的检测与计数。②提出了基于群组上下文的行人计数方法。通过背景减除算法提取前景图像,建立相邻图像帧中群组的相关性矩阵,用以检测、跟踪群组并识别给定群组的群组关系。使用群组及其相关群组的前景图像建立群组上下文,整合时间-空间信息作为计数参考。组建组上下文掩模并构造一个最大联合后验概率估计问题,将基于单帧图像的行人计数方法推广到多帧图像上。实验证明,通过引入历史信息以及更多的空间关联,该方法可以较好的处理行人间遮挡、图像深度影响以及行人姿态的变化。另外,计数结果在时间域上一致。③研究并实现了使用垂直视角摄像头监控行人的系统。基于方向槽匹配,在边缘图像中滑动圆形模板检测行人头顶,使用聚类算法优化检测的行人位置。关联连续图像帧中的检测目标,由此跟踪场景中移动的行人,并画出运动轨迹。根据当前图像帧中的行人轨迹统计场景中的人数。实验证明,由于垂直视角下行人之间几乎不存在遮挡,基于头顶轮廓匹配来监控行人较为有效。　　 总的说来,本文在基于视觉的行人检测与计数方面作了有益的探索,改进和发展了基于运动前景分割的行人检测与计数方法。