1. 研究目的与意义（文献综述）

随着社会经济水平不断提高和计算机视觉技术的不断进步，智能视频监控系统的应用前景也越来越广泛，大量的监控系统已经在车站，道路，超市等处广泛应用。视频监控系统智能化，是监控系统的未来发展方向。通过视频监控系统中行人的检测和跟踪来统计人数有着极其重要的现实意义，视频系统中人数统计方法和技术将成为计算机视觉研究的难点和热点。

一旦对于图像的人数检测算法比较成熟，将会极大的帮助许多人的日常工作。例如火车站，图书馆，超市这些人流量较大但是又需要统计人数以及人流量的场所，只要已经安装了视频监控系统，就不再需要利用人工十分困难的去统计人数，而只需要利用基于haar特征分类器的图像人数检测来方便的统计人数，并且可以将误差控制在一个很小的范围内。这就极大的减轻了相关工作人员的工作负担。

现如今，智能监控系统已大量应用在医院，大型商场，学校，火车站，汽车站，居民住宅区等公共场所，协助安全人员在遇到紧急情况时可以及时的处理，保证公民的人身和财产安全。同时还可以帮助管理人员及时的处理公共设施的调配问题使得公共资源能够合理分配，社会生活有序快速进行。人数统计是智能视频监控领域的的一个具有重要现实意义的研究方向，也是计算机视觉与模式识别领域的一个研究热点和难点。准确，实时的估计出监控场景中的实际人数可以帮助相关人员进行事前预警和事后决策。人数统计系统在公共安全防控和商业信息采集上均具有非常重要的研究意义。

2. 研究的基本内容与方案

(1) 基于haar特征分类器的图像人数检测研究的基本内容。

①　分析人像头肩部和全身像特征，采集正例样本图像。

②　采集不含人像的背景反例样本图像。

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究所需opencv和haar特征分类器的相关知识。确定方案，完成开题报告。

第5－8周：分析人像头肩部和全身像特征，采集正例样本图样和不含人像的反例样本图样；然后根据具体场景设计专属识别分类器。

第9－12周：基于opencv实现图像人数检测代码，并测试大量样本，统计其正确率以及所耗时间长短。完成论文初稿。

4. 参考文献（12篇以上）

[1] 李洪雷,管群,胡凯衡,杨宇. vc 环境下基于opencv的摄像机标定系统的开发[j]. 计算机应用与软件,2011,28(6):19-21.

[2] 谢尔曼,罗森林,潘立敏. 基于haar特征的turbo_boost表情识别算法[j]. 计算机辅助设计与图形学,2011,23(8):1443-1446.

[3] 陈虹. 基于opencv的人脸检测系统设计与实现[j]. 科技信息,2013(23):384-385.