&nbs都友p;在現代零售商業中，利用監控攝像機進(jìn)行客流監測，已成(c他上héng)爲非常普遍的做法。從視頻監控技術的發(fā)展曆史來看，基于視頻監是小控的人形監測是一個從模拟到數字、從被姐土(bèi)動到主動、從簡單到複雜的過(上劇guò)程。在實際應用中，由于人形監測是一個非常複少路雜的過(guò)程，還(hái)存在很多技術一制難點，如場景适應性、背景适應性等等。本文從客流人形檢測技術費朋現狀出發(fā)，結合實際應用場景分析了人形統計面(mi去白àn)臨的挑戰，并提出了相應的解決方案。

　　現代商業是一個人流密集的地方，人流量越大，就(jiù)代表著(zhe)生視事意越好(hǎo)，因此客流量的監測在很多商業場景中都(dōu上吧)有應用。而如何通過(guò)監控攝像頭，實時(shí)地對(duì)商金頻場、超市等區域的人流量進(jìn)行公生統計，已經(jīng)成(chéng)爲當下一個非常熱門的們討研究課題。目前比較常見的人形監測方法主要有兩湖現(liǎng)種(zhǒng)：基于區域匹配的人形檢測和基于深度卷積神劇電經(jīng)網絡的人形檢測。前者主要是通過(guò)區域匹配城個技術，將(jiāng)某一區域内所有數笑人形圖像進(jìn)行匹配來完成(chéng);後(hòu)者則是通過(中件guò)深度卷積神經(jīng)網絡，將(道如jiāng)所有圖像進(jìn)行分類和識别。

　　從人形檢測技術的發(fā)展曆史來看，在最初的都公階段，主要是基于圖像特征進(j道些ìn)行檢測，如人臉識别、背景估計等;随著(zhe)計白做算機技術的發(fā)展，以及算法的不斷優購唱化，出現了基于機器學(xué)習進(jìn)行人形檢測;近門玩幾年來，由于深度學(xué)習算法的快速發(fā)展，基紅她于深度學(xué)習的人形檢測技術也得到了快速發(fā)展視科。

　　場景适應性：由于購物環境的複雜性，造成(chéng)了人臉特征不明顯拿這，不能(néng)直接使用傳統方法進(jìn)行檢測;

　　背景适應性：在室内場景下，背景主要是純黑色的，或者是純白色的。在室外場購到景下，背景一般爲白色、黑色或者灰色;

　　目标檢測是指根據給定的模闆或對(duì)象，在圖像中尋找圖像中特定區域的過音又(guò)程。對(duì)于人形統計，目前主要采用的民計方法是基于視覺詞袋模型(VO)的目标檢測方法;劇銀

　　分類：分類是指根據圖像中的對(duì)象、人或物體來判定其類别。由于黃作人形是一個很大的類别，如何進(jìn)光見行合理的分類仍然是一個難題;

　　多人跟蹤：在複雜的環境下，如何進(jìn)行多人跟蹤仍然是一個難題。

　　易眼通基于上述分析，針對(duì)人形監測所面(miàn)臨的挑戰，可以跳著提出以下解決方案。

　　第一，利用基于人形智能(néng頻相)識别系統加入嵌入式分析算法。包括基于卷積神經(jīng多山)網絡和循環神經(jīng)網絡的方法。針對(duì)師西現有基于深度學(xué)習的人形檢測方法所面(道報miàn)臨的挑戰，可以采用深度學(xué)習方法進區放(jìn)行解決。

　　第二，利用改進(jìn)的背北兵景模型進(jìn)行場景适應性調整。由于黑老背景模型是在場景中人工搭建的，不能(néng)直接應用于實際場景亮睡中，因此需要根據實際場景特點進(jìn)行改音票進(jìn)。本文提出了一種(zh對唱ǒng)基于改進(jìn)背景模型的客流人形監測方法。

　　智能(néng)視頻監控技術是信息社會(huì)的基礎，基于視頻監控的體車人形監測已成(chéng)爲商他要業智能(néng)應用的重要組成(chéng)部分。本務劇文分析了目前人形檢測技術面(miàn)臨的挑戰，并提出頻時了相應的解決方案。下一步，随著(zh校說e)人工智能(néng)、物聯網等新技術的光南不斷發(fā)展，基于智能(néng)視頻監控的人形監測將(jiāng)會北水(huì)有更加廣闊的應用前景。