目前的公交系统由于缺少实时、准确的客流量信息,因而无法判断公交车的拥挤情况,以致运营者无法做出合理的调度计划,为乘客提供合理的乘车选择。因此,智慧公交系统在交通领域中尤为重要,而自动乘客计数技术作为实现智慧公交的基础,已受到人们关注。随着数字图像快速发展,基于图像处理的自动乘客计数方法逐渐用来统计客流量信息,而此计数方法的关键点为运动目标检测和目标识别。因此,本文围绕视频图像处理中运动目标检测和目标识别进行研究,主要内容如下:提出一种改进的Canny边缘检测算法对图像进行边缘检测,略去了传统的非极大值抑制步骤,并把双阈值边缘检测改为固定阈值检测,克服了经典的边缘检测算法可能会漏掉一些有用边缘信息的缺点;采用一种基于权值的背景提取算法,通过引入背景权值和权值变化量两个参数,对当前帧图像分不同情况进行判断,来实现图像背景提取,从而分离出运动乘客目标,克服了传统背景提取算法无法完全解决“虚影”的现象。采用一种改进的基于梯度的霍夫圆检测算法来实现公交车乘客识别,克服了传统的霍夫圆检测算法目标识别准确性较低、生成太多圆、程序运行效率较低的问题。该算法主要从滑动窗口、半径选取及圆心合并三个方面进行改进,以减少生成的候选圆数目,从而减少程序运行时间,提高运行效率。最后对生成的候选圆经过灰度筛选器以及圆特征筛选器筛选,得出乘客目标。使用OpenCV对采集的公交车视频图像进行处理。实验结果表明,使用改进的Canny边缘检测算法并结合基于权值的背景提取算法,可以准确分离背景图像和运动目标,计算效率高、抗干扰能力强;改进的基于梯度的霍夫圆检测算法能对图像中单个或者多个乘客准确识别,算法运行时间少,运行效率高。