基于图像的人数统计

基于图像的人数统计属于模式识别问题，可应用于安防领域。传统的方法包括：1）视频捕获；2）目标提取（背景建模、前景分析）——常见方法有高斯背景建模、帧差法、三帧差法等；3）目标识别（模式识别、特征点分析），如人脸识别，头肩部识别等，OpenCV里可以使用Hear特征、级联分类器来进行特征检测；4）目标跟踪——基本方法有直方图特征匹配和运动目标连续性匹配，OpenCV里可以使用CamShift算法直接对彩色图像进行分析；5）轨迹分析——根据目标的运动轨迹计算目标目标运动方向和位移，判断目标是进入还是离开指定区域，从而对目标进行数目统计。具体可以参考OpenCV 视频人数统计研究

牛津大学Visual Geometry Group的Victor Lempitsky和Andrew Zisserman提出一种新的监督学习框架来完成视频中目标检测的任务，例如估计显微图像中的细胞数或视频监控中的人数统计。

他们不是检测和定位图像中的个体实例，而是估计一个连续的密度函数，然后对图像区域进行积分来统计此区域的目标数量。

他们的方法需要先对一些标注出目标的图像进行训练，然后就能处理类似的图像。从演示视频结果看，其误差小于3，已经比较精确。

项目提供了matlab代码下载，项目连接为：Learning to Count Objects in Images

Manuel J.Marin-Jimenez,Vittorio Ferrari and Andrew Zisserman等提出一种人头检测方法，能检测任意角度的人头，甚至人背过身去。

项目提供C++和Matlab代码，项目地址：head detector

Nicholas Apostoloff 和 Andrew Zisserman利用人脸识别，提出一种在线实时鉴定视频中人物的方法。

项目提供C++代码，项目地址：real-time, online person identification in videos