公交车人流量检测系统是在公交车上利用摄像设备和高性能数字图像处理器DSP进行乘客上下车判断,实时记录乘客人流量数据的一套设备。本文分析了常用的视频图像人流量检测算法,构建了基于DM642 DSP处理器的硬件系统,设计了一套实时检测乘客上下车情况的算法,并给出了算法分析与测试结果。首先,本文研究了人流量检测算法相关的理论知识,从视频图像预处理、运动目标检测、分割、识别与跟踪五个方面详细地阐述了目前常用的方法,并在此基础上,总结优缺点,选择了适合要求的相应算法。在视频图像预处理部分,介绍了彩色图像灰度化、图像降噪与灰度图像二值化,叙述了均值滤波、中值滤波、多幅图像平均法、小波阈值法与空间域低通滤波法五种降噪方法,并选择了3×3均值滤波法。在运动目标检测部分,介绍了光流法、相邻帧差法、边缘检测法与背景差分法四种常用方法,并选择了背景差分法。在运动目标分割部分,介绍了基于区域、基于像素聚类与基于分水岭变换三种目标分割方法,并选择了基于区域的分割方法。在目标识别部分,介绍了椭圆拟合与Hough变换两种方法,并选择了椭圆拟合法。在目标跟踪部分,介绍了Unscented卡尔曼滤波器与利用二阶信息的Mean Shift两种方法,由于这两种算法过于复杂,考虑到公交车这一特殊应用场景,最终设计了一种利用位置来检测乘客行为的简单目标跟踪方法。然后,本文构建了硬件系统平台,对系统整体框架进行了较为详细的说明,图像处理芯片采用的是TI公司生产的DM642,采集模块使用的Sony CCD摄像头与TVP5150解码芯片,显示模块采用的是7英寸液晶显示屏与SAA7121H编码芯片,并给出了相应电路与程序代码。接着,本文在前面算法的研究基础上,结合硬件性能与本次毕设要求,设计出一套合适的乘客人流量检测算法,即通过灰度化与降噪处理对采集到的视频图像进行预处理,采用背景差分法与二值化进行目标检测与分割,采用椭圆拟合方法识别人头,利用位置来判断乘客行为。最后,本论文对算法中的实际处理效果分步进行了分析与验证,本系统能够有效地检测出乘客并判断其行为。