技術(shù)特征：

1.一種基于視頻監(jiān)控的客運(yùn)站非出入口區(qū)域的客流統(tǒng)計(jì)方法，該方法預(yù)先劃定好人數(shù)統(tǒng)計(jì)區(qū)域，并對(duì)該區(qū)域內(nèi)的行人目標(biāo)進(jìn)行檢測(cè)和跟蹤，從而統(tǒng)計(jì)進(jìn)入和離開(kāi)統(tǒng)計(jì)區(qū)域的人數(shù)，其特征在于：其中對(duì)行人目標(biāo)進(jìn)行檢測(cè)和跟蹤的具體過(guò)程如下：

S1.人工提取監(jiān)控圖像里的行人的頭肩部haar-like特征對(duì)AdBoost分類器進(jìn)行訓(xùn)練，得到訓(xùn)練好的AdBoost分類器；

S2.對(duì)于當(dāng)前幀圖像，采用背景差分法在當(dāng)前幀圖像的統(tǒng)計(jì)區(qū)域內(nèi)獲取運(yùn)動(dòng)目標(biāo)；

S3.提取運(yùn)動(dòng)目標(biāo)的頭肩部haar-like特征，并將其輸入訓(xùn)練好的AdBoost分類器內(nèi)，AdBoost分類器判別運(yùn)動(dòng)目標(biāo)是否為行人，若是則執(zhí)行步驟S4；

S4.計(jì)算判別為行人的運(yùn)動(dòng)目標(biāo)的頭肩部中心點(diǎn)位置，并使用四維向量X_k＝(p_x,p_y,v_x,v_y)來(lái)表示其在當(dāng)前幀的系統(tǒng)狀態(tài)，其中(p_x,p_y)表示頭肩部中心點(diǎn)的位置，(v_x,v_y)表示中心點(diǎn)的速度；

S5.將X_k輸入Kalman濾波器，并對(duì)Kalman濾波器的四個(gè)參數(shù)進(jìn)行初始化：A_k、H_k、w_k、v_k；其中A_k表示狀態(tài)由當(dāng)前幀到下一幀的轉(zhuǎn)移矩陣，H_k當(dāng)前幀的觀測(cè)矩陣，w_k和v_k分別表示當(dāng)前幀的系統(tǒng)噪聲向量和觀測(cè)噪聲向量；令A(yù)_k、H_k在各幀的系統(tǒng)狀態(tài)變換過(guò)程中為已知且具有唯一值的矩陣，另外，設(shè)w_k、v_k的概率密度函數(shù)是均值為零的高斯函數(shù)且相互獨(dú)立；

S6.Kalman濾波器對(duì)運(yùn)動(dòng)目標(biāo)的頭肩部中心點(diǎn)在下一幀的系統(tǒng)狀態(tài)進(jìn)行預(yù)報(bào)，具體如下：

${{\tilde{X}}^{\′}}_{k+1}=A_k{\tilde{X}}_k---\left(1\right)$

其中A_k表示狀態(tài)轉(zhuǎn)移矩陣，表示預(yù)報(bào)的下一幀的系統(tǒng)狀態(tài)；表示當(dāng)前幀的系統(tǒng)狀態(tài)；

由(1)式，可得系統(tǒng)狀態(tài)協(xié)方差的預(yù)報(bào)方程：

${P^{\′}}_{k+1}=A_k{P}_k{A}_k^T+Q_k$

其中，P'_k+1和P_k分別是和對(duì)應(yīng)的協(xié)方差，表示A_k的轉(zhuǎn)置矩陣，Q_k表示當(dāng)前幀的系統(tǒng)噪聲向量w_k的協(xié)方差矩陣；

S7.根據(jù)步驟S6求取的內(nèi)容對(duì)Kalman加權(quán)矩陣進(jìn)行求?。?/p>

$K_{k+1}={P^{\′}}_{k+1}{H}_k^T{(H_k{P^{\′}}_{k+1}{H}_k^T+R_k)}^{-1}$

其中K_k+1表示下一幀的Kalman加權(quán)矩陣，H_k、表示觀測(cè)矩陣以及其轉(zhuǎn)置，R_k表示觀測(cè)噪聲向量v_k的協(xié)方差矩陣；

S8.根據(jù)求取的Kalman加權(quán)矩陣對(duì)運(yùn)動(dòng)目標(biāo)的頭肩部中心點(diǎn)在下一幀的系統(tǒng)狀態(tài)和狀態(tài)向量協(xié)方差P_k+1進(jìn)行更新：

${\tilde{X}}_{k+1}={{\tilde{X}}^{\′}}_{k+1}+K_{k+1}(Z_{k+1}-H_k{{\tilde{X}}^{\′}}_{k+1})$

P_k+1＝(I-K_k+1H_k)P'_k+1

其中Z_k+1為下一幀的觀測(cè)值，I表示單位矩陣；

S9.對(duì)下一幀圖像按照步驟S2～S4的方法獲取運(yùn)動(dòng)目標(biāo)的頭肩部中心點(diǎn)位置的系統(tǒng)狀態(tài)，然后將獲取的系統(tǒng)狀態(tài)與步驟S5～S9預(yù)測(cè)得到的運(yùn)動(dòng)目標(biāo)的系統(tǒng)狀態(tài)進(jìn)行匹配關(guān)聯(lián)，若兩者匹配，則將匹配的結(jié)果確定為運(yùn)動(dòng)目標(biāo)在下一幀的位置，否則利用步驟S5～S9預(yù)測(cè)得到的系統(tǒng)狀態(tài)確定運(yùn)動(dòng)目標(biāo)在下一幀的位置；

S10.S5～S9重復(fù)執(zhí)行直至完成整個(gè)的統(tǒng)計(jì)過(guò)程。

2.根據(jù)權(quán)利要求1所述的基于視頻監(jiān)控的客運(yùn)站非出入口區(qū)域的客流統(tǒng)計(jì)方法，其特征在于：所述步驟S2中，遍歷每一幀視頻圖像中的所有像素值，按照從左至右、從上到下的順序，對(duì)每一個(gè)像素利用背景差分法判別其是否為運(yùn)動(dòng)目標(biāo)，背景差分法可用以下公式表示：

$f_d(x,y)=\left\{\begin{array}{cc}1& |f_n(x,y)-B_n(x,y)|\>T\\ 0& other\end{array}\right\}$

其中，f_d(x,y)代表前景點(diǎn)，T為閾值，B_n(x,y)和f_n(x,y)分別表示像素(x,y)在無(wú)運(yùn)動(dòng)目標(biāo)的情況下的像素值和當(dāng)前幀的像素值，n表示當(dāng)前為第n幀。

3.根據(jù)權(quán)利要求2所述的基于視頻監(jiān)控的客運(yùn)站非出入口區(qū)域的客流統(tǒng)計(jì)方法，其特征在于：所述像素(x,y)在無(wú)運(yùn)動(dòng)目標(biāo)的情況下的像素值可通過(guò)以下方式確定：

選取內(nèi)容不包括運(yùn)動(dòng)目標(biāo)的連續(xù)100幀圖像序列，并對(duì)100幀圖像序列中相對(duì)應(yīng)的各個(gè)像素點(diǎn)進(jìn)行平均運(yùn)算，獲得B(x,y)：

$B(x,y)=\mathrm{\Σ}\frac{1}{100}{I}_m,(m=1,2...100)$

其中，I_m為像素(x,y)在第m幀的像素值。