视频监控设备广泛应用于学校、商场、银行和车站等场所,对这些场所的行人进行检测和统计,对人群的管理与控制具有重要意义。基于视频的室内人数统计方法研究对视频图像智能分析和处理,并统计出当前监控区域的人流信息,是目前计算机视觉研究的一个重要方向,具有重要的研究价值和广阔的应用前景。研究通过分析国内外发展现状,对现有成熟的行人检测与统计方法如模版匹配、颜色模型、分类器检测等方法进行了分析和比较,提出适合室内场所的人数统计技术和方法。主要研究工作如下:1.研究基于自适应增强(Adaptive Boosting,AdaBoost)算法的人头检测的基本原理及实现流程。详细分析AdaBoost算法中特征值的计算、分类器及级联分类器的训练流程。通过内外双层迭代的检测策略实现人头检测及统计。2.结合头肩边缘特征和AdaBoost改进算法进行人头检测。传统AdaBoost算法存在样本需求量大、检测速度慢、准确性低等缺陷。对传统AdaBoost算法中的分类器训练过程进行改进,结合头肩边缘特征,加快人头检测速度并提高检测结果的准确性。3.在人头检测结果的基础上结合前景校验实现人数统计。人头检测结果作为人数统计结果受人群密度影响较大,对单人图像、多人图像等检测效果不错,但对密集型人群的检测效果并不理想。随着人群密度的增加,这种方法的检测率急速下降。使用前景校验的方法对人头检测结果进行修正,完成人数统计。4.完成系统设计,进行功能与性能的测试与分析。对学校教室的监控视频数据进行大量实验测试,系统能够准确快速地统计视频图像中的人数。对于人群流动性和人群密度的改变,仍具有较好的检测效果。研究工作完成了结合头肩边缘特征、AdaBoost改进算法及前景校验实现室内人数统计,通过试验系统验证了其有效性、准确性及实时性。