人数统计一直是计算机视觉系统研究的一个重要内容,近年来广泛用于多种场合,利用图像信息对教室中的人数进行统计已经成为主流。文章首先通过对近年来的相关文献进行整理和归纳,总结出适用于教室环境中的人数统计方法,并将适用于教室环境中的人数检测算法分成3类进行讨论:基于人头检测的方法、基于肤色检测的方法、基于人脸检测的方法;其次,对典型的算法针对教室人数进行了仿真重现;最后对各种算法进行了分析和总结。 一帧作为待检测的图像，以黑色头部为对象，根据人头部的颜色特征：黑色和形状特征：椭圆形，对教室图片进行图像进行一系列的形态学处理，之后采用分水岭算法对处理过后的图像进行分割，统计分割出来的各个头部对象块，作为课堂上学生的总人数。图1中，对原始图像（见图1（a））设置合适的阈值进行二值化操作，将黑色（主要用来标记头发）变为白色，其余背景变成黑色（由于分割的目标是较暗的头部区域）人数统计方法综述-电动数控滚圆机滚弧机张家港钢管倒角机液压倒角机，得到二值化后的图像（见图1（b））。（a）（b）图1原始图像及其二值化计算梯度幅值，并将其作为分割函数，对二值化后的图像进行分割，得到如图2（a）的分割结果，本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com 由于图像中存在大量的污点，对分割的结果影响很大，采用一系列的形态学操作对图像进行去噪，并能保留图像中的原始形状，如图2（b）所示。如图3所示，根据形态学操作后的图像计算前景标记和背景标记，通过利用前景标记和背景标记来修改梯度幅值第12期2018年6月No.12June，2018图像，最后采用分水岭算法对标记后的梯度幅值图像进行分割。（a）（b）图2初步分割图像与开闭操作后图像图3基于开闭的重建操作和基于重建的开闭操作结果用颜色标记出用分水岭分割后的结果如图4所示。由于摄像头的位置是在教室前方，拍摄的照片中脸部范围居多，采集的头部信息较少，若采用教室后方的摄像头进行采集图像，则采集的头部信息会居多，在进行形态学处理后的再使用分水岭分割算法会得到更好的分割效果，从而会得到更为准确的计数结果。图4分水岭分割后的图像和用颜色标记出用分水岭分割后的结果4结语本文将适用于教室和自习室环境中的人数统计算法分为3个主要类别来讨论：基于人头检测的方法、基于肤色检测的方法、基于人脸检测的方法。其中肤色检测算法也可归为人脸检测算法中，但随着肤色检测算法的应用越来越广泛，肤色检测在人数统计中的地位也逐步提高，因此本文将肤色检测算法单独列为一类进行讨论。基于人头检测算法是室内人数统计最实用的方法，其对角度、光线等的依赖程度不高。基于肤色检测的人数统计算法对实地环境条件的要求较高，如：背景、光线等。人脸检测的方法较为完善，并且已经逐步成为一个较为成熟的研究方向。近年来许多专家和学者为了提高检测的准确性和更好地适用于特定的环境，结合多种检测方法进行人数统计，这也成了一种新的研究趋势。目前，随着人数统计研究的逐步深入，其应用也越来越广泛，不仅可以用于大型超市、商尝旅游景点的客流量分析，而且在教室和自习室环境中也具有较强的实用价值。无线互联科技·实验研究人数统计方法综述-电动数控滚圆机滚弧机张家港钢管倒角机液压倒角机本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com