3.4软件系统工作原理

    从视频中分析出顾客人数是一个非常复杂和有挑战性的计算机视觉与人工智能问题。一个解决方案是采用运动区域检测算法来实现的。其基本原理是在固定摄像头里提取出运动区域，根据这些运动区域进行统计。当运动区域和人的大小相似的时候，就可以认为有一个人通过。当多个人距离较近的时候，采用人体大小的先验知识，把一个运动区域分割为多个单人区域，从而达到对顾客人数的估计。当然，视频流是实时连续的，运动区域的检测和分割需要在每一帧内不停地计算。此外还要对帧间地运动区域进行跟踪，把不同时间的运动区域连接起来，从而给出正确的顾客人数和行人运动方向。还有一种基于图像特征和神经元网络的算法。其基本原理是在图像中采集一些反应人体特点的比较粗糙的特征，比如图像边缘密度，然后通过神经元网络学习顾客人数与图像特征之间的非线性关系。随着计算机视觉与人工智能技术的发展，新的更加可靠快速的客流流量统计算法与产品在不断出现。

    利用侧面安装的CCD摄像机可以获得较多的物体运动信息，但它所受目标遮挡影响的程度也最大；被动红外成像系统可以更精确的提取人体运动信息，得到高精度的统计结果，但它的成本过高难以广泛应用。本系统利用安装在检测区域正上方的CCD摄像机，由于不存在目标遮挡，与传统的基于光电检测器的方法相比，具有更好的准确性、智能性和鲁棒性。在参考了现有的一些客流计数系统后，我们定义了下图所示的系统结构。

    1 系统结构

    系统计数工作流程由五部分组成：1、利用单摄像头捕获视频序列。2、由视频图像分割出视场中的运动区域。3、对运动区域求取特征，进而根据特征进行目标的分类。4、在监测区域内设置了跟踪区域，在跟踪区域内进行运动目标的实时跟踪处理。5、在跟踪过程中如果有目标跨过预先设定的计数线，即可视为某方向上有运动目标通过，对通过计数线的目标进行计数操作。

    2 运动目标的捕获和提取

    系统前端摄像头采用广角镜头的原因是为了在安装高度限定情况下获得足够大的视场，以扩大单摄像头的可监测区域。在摄像头的安装上，本系统采取了轴线垂直向下的方式，尽可能减少运动目标遮挡所带来的影响。我们在多种场景下安装测试进行了实验。

    系统工作实验场景

    产品实物图