客流统计分析的基本原理竟是这样！

　　一、检测阶段

　　1.背景模型

　　作为客流分析算法处理的基础，本算法采用帧间差分算法与概率统计模型相结合的方法，能够在各种复杂环境下建立起一副尽可能真实的背景图像，从而为前景目标的提取提供重要基础。在系统中，一个模型可以理解为在一个环境（主要为角度）下，一个“人”特征的集合体。首先在一个固定角度的场景下，取得很多人的图片，称之为样本，取得足够的样本后，通过样本来学习这些特征，得到的参数就是模型，模型集合了训练样本的特点。在遇到相似场景时，装载相应模型就完成了系统检测的初始化。

　　2.提取特征

　　为了让模型应用于一个物体，以确定这个物体是不是人，我们需要提取相应的特征。根据机器自动学习的结果，一个模型90%的数据是基于形状提取的，10%的数据基于颜色和纹理提取。

　　3.输出结果

　　将模型视为一个过滤器，而特征是待分类的材料，满足过滤器的材料得以通过（即判定为“人”），不满足的则被拦住。根据模型和特征，通过计算就可以判断一个物体是不是人。

　　二、跟踪阶段

　　跟踪主要是对特征信息的跟踪，包括位置信息、特征点、头肩信息等。由于每个目标的特征信息都不会完全一致，所以即使多目标交错、拥挤，本算法也能大限度的跟踪并区分出每个独立目标。系统跟踪阶段也采取了和特征相关的技术，有颜色特征、形状特征和位置特征。通过计算来比较前后两帧图像中所有人的特征，判定特征相近的两人为同一人；通过比较所有的图像，可以得到一个人完整的轨迹；通过计算轨迹的条数，可以检测区域的客流；通过计算轨迹的方向，可以判断人是走入还是走出检测区域。

　　基于模型的检测机制，大幅度提高了系统的场景普适性。如在实际施工过程中，遇到出入口较宽、吊顶过高、吊顶过低或其材质特殊等情况，采取倾斜安装智能一体机，较传统的基于背景建模的检测技术，优势更加明显。

　　三、计数规则

　　在跟踪的基础上，计数规则为：目标从跟踪线进入，并被连续跟踪若干次之后，从计数线离开，则为有效计数。不满足该规则的目标均不计数。客流统计系统的每一路视频都可以设置单独的计数规则。正常进入、斜向进入、双向同时进出都作为正常数据，计入统计中。系统可有效排除各种干扰，如：犹豫未进入、门口徘徊、门口横穿等情况，保证数据真实性。