地铁是一种运量大、连通性强的现代化城市交通工具,由于其具有速度快、乘坐舒适的特点,越来越多的居民选择地铁作为首选的日常交通工具。大量的居民乘坐地铁,导致许多城市的地铁站在高峰时期十分拥挤,若地铁站中拥挤的人群不能被及时疏散,这将影响地铁站的运营和管理。更重要的是如果地铁站长期处于一个拥挤的状态,容易发生紧急事件。因此,为了避免类似情况的发生,相关部门需要获取实时的客流信息,以便疏散拥挤的人群,以及采取相关的应急措施。如今地铁管理部门主要获取客流量数据的途径是通过监控系统来预估当前的客流量。这种方式十分简单且易于实现,但是这种方式依然有许多问题难以克服。首先,地铁员工获取到的客流量数据不是准确的数值,而是一个预估值。所以这个客流量信息是不准确的且易受到人为因素的影响。再者,当监测位置的个数增加时,监测人员难以提供一个准确的信息给地铁站。而利用监测系统来自动对行人进行计数获取客流量信息的优势是人工监控不可比拟的。自动化的计数方式可以提供准确的数据,帮助地铁员工及时地分析地铁站内的客流量和处理突发情况。同时还可以减少人工成本,提高地铁管理部门的收益。故本文将机器视觉运用于客流量统计系统,实现系统对行人目标的识别定位、运动轨迹的生成与行人计数功能,主要研究内容如下:系统的图像实时采集与预处理。采集到的图像由于受到光照条件,噪声干扰等因素,使得图像精确度降低,必须经过一系列的图像处理方法对图像进行滤波,减小图像中噪声的干扰。故本文深入学习图像的成像原理及图像预处理方法,并选择合适的图像处理算法针对地铁站内采集到的图像进行预处理。基于双目视觉的行人目标识别与定位。本文以机器视觉为基础,引入双目视觉系统,利用双目视觉来获取图像中每个轮廓的深度信息,将候选轮廓的深度信息和几何信息作为筛选行人目标的约束条件,使得系统能够较为精确的对图像中的行人轮廓进行识别、定位。基于特征的跟踪方法的目标轨迹生成与行人计数。目标轨迹的生成主要依赖于目标跟踪的准确性,为了满足客流量统计系统的实时性要求,并考虑到前期所做的一些工作,本文采取基于特征的跟踪方法来实现对目标的跟踪以及运动目标轨迹的生成。根据双目视觉获取的特征信息,本文利用特征代价函数来实现对视频中的运动行人目标实时跟踪的目的,其主要思想是将图像中特征点的坐标带入特征代价函数中,计算邻帧图像之间特征点的相似性,若特征点的相似度高,则说明这两个特征点来自于同一个目标。本文以传统的特征代价函数为基础,提出一种基于双目视觉的特征代价函数,其将每个特征点的深度信息带入特征代价函数中进行特征点相似性的计算。通过相似性计算将视频每帧图像中来自同一目标的特征点联系起来即可达到生成目标轨迹的目的。最后需要我们对每一条运动轨迹进行分析,利用一定准则来判断目标是进入车厢亦或是离开车厢。按照前人的经验,他们大多是对图像采集区域划分计数线,利用目标质心与计数线之间的相对关系来分析行人目标的方向。本文在原有的基础上提出一种新的计数准则,只需要一条计数线即可达到对行人出入区域的判断。其主要思想是实时地记录行人的瞬时运动方向,利用行人的瞬时运动方向来判断行人的瞬时运动状态。当行人通过计数线时,通过判断行人的瞬时运动状态来确认行人的进出情况。本文主要将机器视觉运用在客流量统计系统当中,提出一种基于双目视觉和双约束条件的行人识别定位系统,通过测试程序以及仿真实验验证整个系统的有效性,为进一步研究客流量统计系统打下了基础。