1. 研究目的与意义（文献综述）

背景

很多地方尤其是在偏远的农村或者山区，每当下大雨发大水的时候，平时的小河瞬间暴涨，水流湍急，船舶尤其是一些小船或者自制的简易船舶本来就不结实，就容易耐不住风浪，发生翻船或者船舶直接解体的事故，造成人员伤亡。而且在这些地方，人民的安全意识不高，为了一些利益，经常发生超载的行为，尤其是在一些年会或其他大型活动的时候，超载行为就尤为严重，加之船舶安全度不高，往往每次发生事故都会造成人员伤亡与财产损失。这个时候，海事局就需要对这些船舶进行监督与管理，防止超载行为。这些地方又比较偏远，管理成本太高，就需要一些低成本的软件或者仪器能对这些船舶进行管理。

为了快速、精确地统计公共区域人流量，对商业应用和公共安全有着重要的意义。船舶作为一种载客量大和周转率高的公共交通工具，其智能化管理水平直接关系着城市的交通运行情况。根据实时客流情况，合理安排船舶数辆调度，可以有效解决出行难问题。基于智能视频监控的人流量统计系统是利用智能视频监控技术对监控区域的人流量进行统计，其核心技术包括运动目标检测、人体目标识别和运动人体跟踪，它涉计算机视觉技术、模式识别技术和人工智能技术等多个领域，是一个充满挑战的前沿性课题，具有广泛的应用前景。

2. 研究的基本内容与方案

视频监控系统兴起于二十世纪七十年代，但发展到现在已经不只是单纯的场景记录功能，随着计算机视觉、模式识别、机器学习等相关技术的发展和成熟，许多以往在视频监控系统中需要人工分析操作完成的任务已经能够通过这些技术自动化完成，因此更准确地说现在的视频监控系统是智能视频监控系统。基于视频的人流量统计技术正是智能视频监控系统中的一个重要应用。人流量统计数据是商场、地铁、机场等公共场所进行管理和决策的重要依据，因此人流量统计技术有着非常广泛的应用前景。基于视频的人流量统计技术通常包含目标检测、目标跟踪、目标计数等相关技术，本文提出了一种在已知视频场景参数下的基于 hog 特征检测与跟踪的人流量统计算法，该算法采用检测场景中行人的人头部分来作为计数依据，避免了处理目标遮挡问题；使用 hog 特征来描述目标表观特征，使得算法具有抗光照变化能力和较好的鲁棒性；采用检测与跟踪相融合的目标跟踪算法，高效地处理了场景中的多目标跟踪问题；计数实现了跨线计数和区域计数两种方式，满足了实际应用需求。针对人流量统计技术实际应用场景中的摄像头多角度问题，提出了一种基于多分类器

解决方案，在不采用复杂分类器的情况下提升了目标检测的精度，并且给出了多分类器自选择算法，自动化的选择最佳分类器。视频中的行人统计目标大小是未知的，并且存在多种尺度，我们在文中提出了一种目标检测尺度在线学习的算法，能够自动学习出场景中各区域的最佳目标检测尺度，从而不再需要使用多尺度扫描检测方法，极大的加速了人流量统计算法的时间效率。

当图像发生变化时，如平移、转动、放缩以及光照变化等，这些特征点能够稳定的存在。常用于目标检测中的特征点有基于机器学习的目标检测算法；其基本思想是采集某类目标的大量样本，然后提取出样本的表观特征进行学习得到这类目标的分类器，最后利用这个分类器在视频图像帧中检测出这类目标。基于机器学习的目标检测算法比较类似于人类对外界环境学习认识理解的过程。目标跟踪一直是计算机领域内的一个难以完美解决的问题，目标跟踪问题的困难之处表现在以下几个方面：

3. 研究计划与安排

进度安排

1-3周：查阅国内外文献，完成开题报告；

4-5周：翻译5000以上汉字的英文资料，翻译基本准确；

4. 参考文献（12篇以上）

4 参考文献

［1］基于视频的人流量统计技术研究 彭章祥 2014

［2］基于智能视频监控的人流量统计系统研究 时升云 2010