1、隨著智能視頻分析技術的快速發(fā)展，視頻人數統(tǒng)計已經成為該領域的研究熱點。通過對公共場所人流量的統(tǒng)計，可以解決地鐵、公交車、機場等公共資源的分配問題，同時對人流過度密集的情況進行及時預警，預防公共安全事故，為管理方法提供數據支撐。但在實際場景中，復雜的環(huán)境和相互交錯的運動軌跡會帶來漏檢與誤檢問題。因此對視頻人流的準確統(tǒng)計具有較高的現(xiàn)實需求和意義。
　　本文主要對前景分割、頭部檢測和跟蹤方法進行探索與研究。首先采用動態(tài)像素補償的混合高斯

2、模型對視頻圖像進行前景檢測;其次利用改進的隨機Hough變換(RHT)對感興趣區(qū)域內的頭部進行檢測;最后采用改進的Kalman濾波跟蹤方法實現(xiàn)人流的實時跟蹤，并設置計數區(qū)域進行統(tǒng)計。
　　論文的工作主要包含以下幾個方面:
　　(1)針對視頻中光照突變導致背景誤判為目標的問題，提出了基于動態(tài)像素補償的混合高斯模型方法。利用視頻幀圖像中相同位置的像素均值和背景像素之間的中心距建立動態(tài)像素補償模型，然后將待檢測幀與動態(tài)像素補償模型

3、相加，即可把光照變化影響值融入待檢測幀中，弱化了快速光照變化對高斯模型的影響，從而獲得較好的前景檢測結果。
　　(2)針對頭部檢測存在的遮擋和干擾問題，本文首先采用攝像頭垂直向下拍攝的方式，解決人流靠近、接觸時發(fā)生的遮擋問題;其次根據前景提取的結果決定感興趣區(qū)域，并利用改進的隨機Hough變換檢測區(qū)域內的圓，該方法避免了復雜背景中類圓目標的干擾，同時減少無效的圓累積，提高圓檢測效率。
　　(3)為了減少目標跟蹤時漏檢和誤檢情

4、況的出現(xiàn)，提出了一種結合最小歐氏距離的卡爾曼濾波跟蹤方法，采用Kalman濾波器預測出目標在下一幀的位置，以該位置為中心尋找匹配目標，并對目標遮擋、分離、靜止等問題進行分析和處理，解決了跟蹤失敗問題。在計數時，采用雙線計數法對出入的人流進行統(tǒng)計。
　　利用本文提出的人流計數方法在MATLAB2013b平臺上進行測試，實驗結果表明，在背景突變、雙向人流等復雜場景中，本文方法均具有較高的計數精確度，并且有效解決了漏計問題，滿足實時應用