摘 要：由于人头的形状、颜色等特征相对固定，并在检测系统中相对比人体其他的部位更易识别，所以 人头检测成为了客流统计的一个有效方法。人头检测的主要任务是能够准确的识别出人头。本文提出了一 种基于矩形分块特征的人头检测方法。将人头图像目标分解成几个矩形分块，通过预处理后的人头特征， 以及干扰图像的特征，来对样本进行删减。系统在整张图像上用 75×75 的检测窗遍历扫描的方式来检测是 否含有人头目标，检测窗的每一次移动 3 个像素，每次移动都是在原图像的一个采样，将所有候选目标通 过矩形分块特征依次检测，这样可以快速排除掉大部分背景信息；接着通过基于矩形分块下的人头特征和 干扰图像特征，将大部分干扰图像删除，保留下来目标图像，再检测前后两幅图像是否相同，若相同删去 前一副，最后输出目标。实验结果证明，与现有的一些方法相比较，该方法的识别率更高、适用范围较为 广泛。
关键词：客流计数；人头检测；矩形分块特征；人头特征
1 引言（Introduction） 当今社会对行人检测的需求越来越多， 比如商场的进出口，火车站或地铁的进出口， 小区的安防系统。随着社会的发展，行人检 测的重要性也愈发的体现出来，且行人检测 的仪器及原理也越来越多。人头检测可以用 于对行人的计数[1-5]、行人检测等。人头检 测在机器视觉方面具有很广泛的应用前景， 如客流统计、实时监测系统等。
当前，常用的人头检测方法有基于人头 的检测、基于头发的检测[6]和基于人脸轮廓 特征的检测方法,此外还有基于特征和分类 器的检测方法，如通过先寻找人头轮廓，然 后用支持向量机 SVM 、Ada Boost、神 经 网 络 等 分 类 器来 进 行 训练［7-8］。 基于头发的检测主要用的是头发的纹理特 征，但如果一帧图像中存在很多人的情况下， 误差会很大。人脸轮廓特征的检测需要被测 人的正面信息，然而很难保证我们获得的始 终是人体的正面图像；基于特征提取和分类 器训练的方法具有较好的鲁棒性，人头检测 的正确率也很高; 但是分类器的训练比较耗 费时间，如果有较多的特征时还会增加空间 复杂度，不能满足视频监控的实时性要求。
在综合以上几类方法的基础，本文提出 了基于矩形分块特征的人头检测。人头检测 在工程中易于实现和施工，只需要将摄像机 安装在人流通过区域的正上方，这样拍摄到 的图像几乎都会包含完整的人头。通过俯视 的人头检测可以在特定的地方做客流统计， 例如车站，超市，重要通道等地方。
作者：李 峰