基于背景差分和Haar-like特征的客运站行人检测算法研究

摘要

客运站客流量是一项重要的数据,快速、准确的行人检测是客流统计以及行为分析的基础.客运站人流密集,这对传统的行人检测算法提出了新的要求;而在提高检测准确度的同时,如何保证检测算法的实时性也是一大难题.因此,本文提出一种基于背景差分和Harr-like特征的行人检测算法,首先采用背景差分提取运动区域,将特征提取的区域大大缩小,然后在运动区域内提取Haar-like特征,通过事先训练好的Adaboost分类器实现行人的判断与检测.通过对客运站监控视频进行检测统计,本文的行人检测方法解决了背景差分准确率低和Haar-like特征检测的实时性差的问题,检测速度和准确性都达到了应用要求.