CN103971103A - 一种人数统计*** - Google Patents

Abstract

本发明涉及一种人数统计***，其特征在于：包括人体目标检测模块和人体目标跟踪计数模块，其中人体目标检测模块包括：Kinect深度传感器，感兴趣目标检测模块，人脸目标检测模块；人体目标跟踪计数模块包括：目标模型集合，第一匹配模块，二匹配模块，和计数模块，用于对目标模型集合中的人体目标轮廓进行计数。与现有技术相比，本发明的优点在于：采用基于Kinect深度传感器进行人数统计的***，统计结果比较精确，能适用于任何受控环境的场景，并能实时统计检测空间内的人数。

Description

一种人数统计***

技术领域

本发明涉及一种人数统计***。

背景技术

近些年，随着我国经济的快速发展和人民生活水平的提高，人们在公共场所的活动正在不断增加。一方面，商场、娱乐场所和服务场所等公共环境由于人数的增加而变得拥堵，这极易造成踩踏等事故的发生。另一方面，作为商场、娱乐场所和服务场所的经营方，为了在激烈的市场竞争中生存，需要根据人数分布的情况，对自己的经营策略进行调整。由此可见，统计公共场所中的人数信息具有越来越重的意义。

为了获得公共场所中的人数信息，我们常采用人工计数的方法，或者根据签到、售票等信息推测公共场所中的人数。而这些方法都有着自己的缺点和局限性。对于人工计数的方法，首先，该方法需要耗费大量的人力；其次，由于人数分布是动态的，而人工计数往往是在一端时间内进行的，这样我们就无法获得所有时间段内人数的分布情况。而对于根据其他信息推测人数的方法，只有少数公共场所存在签到和售票等与人数相关等信息，其他的开放式公共场所，并不存在这种信息，这就是的该方法具有很大的局限性。因此可见，我们急需要一种自动的人数统计***。

近年来，随着视频监控计数的快速发展，视频监控***的应用场所正在变得越来越广泛——公交、海关、机场、车站、商场以及营业厅。在这些需求各不相同的应用场景中，视频监控***通过获取监控目标的视频信息，对视频进行记录、回溯和监视，并根据视频信息自动或人工地做出相应动作，以实现对监控目标地控制、监视、智能管理和安全防范。

在视频监控***纷繁复杂地监控目标中，人体目标是重要的组成部分。在很多视频监控***的应用场景入商场和营业厅中，统计人体目标数目是***最重要的功能之一。也正是因此，基于视频监控技术的人数统计***成为目前发展最为迅速。性能最为可靠的人数统计***。

目前，常见的基于视频监控的人数统计方法可以分为三类：

1、基于底层特征的拟合法

该方法通过提取图像的底层统计特征并对其进行函数拟合来计算图像中的人体目标数目。在图像的底层统计特征中，像素的统计特征能够较好地反映图像中人体目标地 分布情况。因此，像素的统计特征常被用作底层特征的拟合参数。常用的像素统计特征包括全局特征和内部边缘特征两类。全局特征包括前景图像当中分割出来的人体目标团块的几何信息、位置信息以及团块内像素数目。而内部边缘特征包括边缘像素数目、边缘方向以及Minkowski维度等特征。

基于底层特征拟合的方法将图像中人体目标的数目看作统计信息，而忽略掉了单个人体目标的意义，并未对每个单独的人体目标进行跟踪。这使得这种方法简单易用，但也使其计数精度下降，该方法常用语粗略估计人数的场合。

2、基于特征点的跟踪法

该方法可以分为基于光流的方法和基于描述模型的方法。基于光流的方法首先选择一组在帧间纹理特征保持不变的特征点，之后通过局部匹配搜索完成跟踪。常见的基于光流的方法包括Lucas和Kanade基于平面位移运动模型匹配立体视觉中对应图像的方法以及采用图像灰度差平方和作为特征点匹配准则的KLT算法。基于描述模型的方法首先对所有特征点进行描述建模，之后通过在每一帧图像中选取模型具有对应关系的特征点集合以实现对目标的跟踪。

基于特征点的跟踪方法有效地描述了人体目标的运动，使得人数统计***计数更加准确，但同时计算复杂度也相应提高。同时，基于光流但方法在纹理特征变化复杂的情况下常由于出现误匹配而导致跟踪失败。而基于模型的方法由于模型获取的繁琐学习过程以及模型搜索中高时间复杂度的计算，使其常难以满足***的实时性要求。

3、基于目标检测跟踪的方法

该方法首先进行背景建模提取视频中的前景目标(通常是运动目标)，并通过连通域分析活着模板匹配获取到前景目标中到人体目标，然后采用跟踪算法对检测到的人体目标进行跟踪以实现人数统计。该方法精度高、性能可靠，但是无法克服实时性问题。

发明内容

本发明所要解决的技术问题是针对上述现有技术提供一种实时的、统计精确的人数统计***。

本发明解决上述技术问题所采用的技术方案为：一种人数统计***，其特征在于：包括人体目标检测模块和人体目标跟踪计数模块，其中人体目标检测模块包括：

Kinect深度传感器，Kinect深度传感器对准检测空间，用于实时拍摄检测空间的现场图像，Kinect深度传感器能输出针对同一幅现场图像对齐后的深度图像和彩色图像；

感兴趣目标检测模块，Kinect传感器输出的深度图像作为感兴趣目标检测模块的输入，通过对深度图像做感兴趣目标检测处理，得到一副矩形形状的感兴趣目标图像；

人脸目标检测模块，感兴趣目标检测模块输出的感兴趣目标图像和Kinect深度传感器输出的彩色图像作为人脸目标检测模块的两个输入参数，用于检测所述感兴趣目标 图像中是否有人脸目标；

人体目标跟踪计数模块包括：

目标模型集合，用于保存人体目标轮廓，目标模型集合的初始值为零；

第一匹配模块，当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，将所述感兴趣目标图像通过第一匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

第二匹配模块，当所述人脸目标检测模块没有检测出所述感兴趣目标图像中有人脸目标时，将所述感兴趣目标图像通过第二匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

计数模块，用于对目标模型集合中的人体目标轮廓进行计数。

作为改进，对深度图像做感兴趣目标检测处理的过程为：

根据深度图像的坐标系，在检测空间内预先划分出一个感兴趣空间，该感兴趣空间投影在深度图像中成为一块矩形范围，该矩形范围称为投影矩形；

假设某一帧深度图像为D(x，y)，感兴趣空间在深度图像中的投影矩形左上点坐标为(x₀,y₀)，投影矩形的像素宽度和高度分别为w和h，感兴趣空间距离Kinect深度传感器的最近距离和最远距离分别为d_min和d_max，根据下式将深度图像进行二值化：

$B(x,y)=\left\{\begin{array}{cc}255& x_0\≤x{\≤x}_0+w,y_0\≤y\≤y_0+\mathrm{hand}{d}_{\min }\≤D(x,y)\≤d_{\max }\\ 0& \mathrm{else}\end{array}\right.$

此时，二值图像B(x，y)的白色区域即表示感兴趣空间内的目标，此时获取的目标范围是不规则的几何形状并有时会存在空洞，然后将计算出的二值图像B(x,y)轮廓的外接矩形作为感兴趣目标图像传递给人脸目标检测模块。

再改进，所述人脸目标检测模块采用基于Adaboost的人脸检测算法检测所述感兴趣目标图像中是否有人脸目标，基于Adaboost的人脸检测算法为现有技术中的常规方法。

再改进，所述第一匹配模块或/和第二匹配模块采用下述方法对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标 模型集合中的所有人体目标轮廓进行直方图匹配，如果直方图匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果直方图匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

所述第一匹配模块或/和第二匹配模块还可以采用下述方法对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行特征点匹配，如果特征点匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果特征点匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

所述运动关系匹配方法如下：

假设当前感兴趣目标图像为t_c(x_c，y_c,w_c,h_c,z_c)，其中，(x_c,y_c)为当前感兴趣目标图像矩形范围左上点的像素坐标，w_c和h_c分别为目标当前感兴趣目标图像t_c的像素宽度和高度，z_c表示当前感兴趣目标图像是否含有人脸目标，z_c∈{0，1}，z_c为0表示当前感兴趣目标图像中无人脸目标，而z_c为1表示当前感兴趣目标图像中有人脸目标；

假设当前已发现的目标集合为T＝{t₁,t₂,t₃…t_n}，目标集合中的元素t_i(x_i,y_i,w_i,h_i,z_i)，i∈{1,2,3,…n},其中为目标集合中目标t_i的像素坐标，w_i和h_i分别为目标t_i的像素宽度和高度，z_i表示目标t_i是否含有人脸目标，z_i∈{0，1}，z_i为0表示当前目标t_i中无人脸目标，而z_i为1表示目标t_i中有人脸目标；

当前感兴趣目标图像t_c与目标t_i的参数满足下式时，判断当前感兴趣目标图像t_c与目标t_i的运动关系匹配成功：

$\left\{\begin{array}{c}(x_c+\frac{w_c}{2})-(x_i+\frac{w_i}{2})\≤\mathrm{\α}\\ (y_c+\frac{h_c}{2})-(y_i+\frac{h_i}{2})\≤\mathrm{\β}\end{array}\right.,$ 该式中，α和β为预先设定的参数，不同的场景α和β设置的数值可以不同。

与现有技术相比，本发明的优点在于：采用基于Kinect深度传感器进行人数统计的***，统计结果比较精确，能适用于任何受控环境的场景，并能实时统计检测空间内的人数。

附图说明

图1为本发明实施例中人数统计***的框图。

图2为本发明实施例中匹配方法的一种可选流程图。

图3为本发明实施例中匹配方法的另一种可选流程图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本发明提供的人数统计***，如图1所示，包括人体目标检测模块和人体目标跟踪计数模块，其中人体目标检测模块包括：

Kinect深度传感器1，Kinect深度传感器对准检测空间，用于实时拍摄检测空间的现场图像，Kinect深度传感器能输出针对同一幅现场图像对齐后的深度图像和彩色图像；

感兴趣目标检测模块2，Kinect传感器输出的深度图像作为感兴趣目标检测模块2的输入，通过对深度图像做感兴趣目标检测处理，得到一副矩形形状的感兴趣目标图像；

人脸目标检测模块3，感兴趣目标检测模块2输出的感兴趣目标图像和Kinect深度传感器1输出的彩色图像作为人脸目标检测模块的两个输入参数，用于检测所述感兴趣目标图像中是否有人脸目标；

人体目标跟踪计数模块包括：

目标模型集合4，用于保存人体目标轮廓，目标模型集合的初始值为零；

第一匹配模块5，当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，将所述感兴趣目标图像通过第一匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

第二匹配模块6，当所述人脸目标检测模块没有检测出所述感兴趣目标图像中有人 脸目标时，将所述感兴趣目标图像通过第二匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

计数模块7，用于对目标模型集合3中的人体目标轮廓进行计数。

其中感兴趣目标检测模块2对深度图像做感兴趣目标检测处理的过程为：

根据深度图像的坐标系，在检测空间内预先划分出一个感兴趣空间，该感兴趣空间投影在深度图像中成为一块矩形范围，该矩形范围称为投影矩形；

假设某一帧深度图像为D(x，y)，感兴趣空间在深度图像中的投影矩形左上点坐标为(x₀,y₀)，投影矩形的像素宽度和高度分别为w和h，感兴趣空间距离Kinect深度传感器的最近距离和最远距离分别为d_min和d_max，根据下式将深度图像进行二值化：

$B(x,y)=\left\{\begin{array}{cc}255& x_0\≤x{\≤x}_0+w,y_0\≤y\≤y_0+\mathrm{hand}{d}_{\min }\≤D(x,y)\≤d_{\max }\\ 0& \mathrm{else}\end{array}\right.$

此时，二值图像B(x，y)的白色区域即表示感兴趣空间内的目标，此时获取的目标范围是不规则的几何形状并有时会存在空洞，然后将计算出的二值图像B(x,y)轮廓的外接矩形作为感兴趣目标图像传递给人脸目标检测模块。

而所述人脸目标检测模块3采用基于Adaboost的人脸检测算法检测所述感兴趣目标图像中是否有人脸目标。基于Adaboost的人脸检测算法为现有技术中的常规算法。

所述第一匹配模块5和第二匹配模块6对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配的方法有两种，其中一种为，参见图2所示：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行直方图匹配，如果直方图匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果直方图匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

基于运动关系和颜色直方图匹配的算法可应用于任何受控环境的场景，在该场景中出现的人体目标绝大多数都是运动目标，且由于受场景的环境限制，入口处的人体目标 运动轨迹所处范围相对固定，运动速度较慢，因此***在此场景中首先使用运动关系对目标进行匹配，但是由于人体目标的运动速度有时也会出现超过匹配范围的情况，***又进行了颜色直方图匹配来确保对人体目标跟踪的准确性。

所述第一匹配模块和第二匹配模块对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配的方法，另外一种方式为，参见图3所示：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行特征点匹配，如果特征点匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果特征点匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

同入口场景的人体目标相比，目标停顿处出现的目标虽然运动速度更加缓慢，有时甚至处于静止的状态，但是该场景下的目标出现时间长，且常存在旋转、部分遮挡甚至是完全遮挡。因此，为了保证对目标停顿处的目标进行正确的计数，本发明提供的***在此场景中使用了基于特征点匹配的方法来代替基于颜色分布直方图的匹配方法同运动关系匹配法结合在一起实现对人体目标的跟踪。

前述运动关系匹配方法如下：

假设当前感兴趣目标图像为t_c(x_c，y_c,w_c,h_c,z_c)，其中，(x_c,y_c)为当前感兴趣目标图像矩形范围左上点的像素坐标，w_c和h_c分别为目标当前感兴趣目标图像t_c的像素宽度和高度，z_c表示当前感兴趣目标图像是否含有人脸目标，z_c∈{0，1}，z_c为0表示当前感兴趣目标图像中无人脸目标，而z_c为1表示当前感兴趣目标图像中有人脸目标；

假设当前已发现的目标集合为T＝{t₁,t₂,t₃…t_n}，目标集合中的元素t_i(x_i,y_i,w_i,h_i,z_i)，i∈{1,2,3,…n},其中为目标集合中目标t_i的像素坐标，w_i和h_i分别为目标t_i的像素宽度和高度，z_i表示目标t_i是否含有人脸目标，z_i∈{0，1}，z_i为0表示当前目标t_i中无人脸目标，而z_i为1表示目标t_i中有人脸目标；

当前感兴趣目标图像t_c与目标t_i的参数满足下式时，判断当前感兴趣目标图像t_c与目标t_i的运动关系匹配成功：

$\left\{\begin{array}{c}(x_c+\frac{w_c}{2})-(x_i+\frac{w_i}{2})\≤\mathrm{\α}\\ (y_c+\frac{h_c}{2})-(y_i+\frac{h_i}{2})\≤\mathrm{\β}\end{array}\right.,$ 该式中，α和β为预先设定的参数，不同的场景α和β设置的数值可以不同。

上述两种方法中，直方图匹配和基于特征点匹配方法，均采用现有技术中的常规技术。

另外，目标模型集合会删除超时未更新的目标，超时的时间预先设定。

Claims (6)

1.一种人数统计***，其特征在于：包括人体目标检测模块和人体目标跟踪计数模块，其中人体目标检测模块包括：

Kinect深度传感器，Kinect深度传感器对准检测空间，用于实时拍摄检测空间的现场图像，Kinect深度传感器能输出针对同一幅现场图像对齐后的深度图像和彩色图像；

感兴趣目标检测模块，Kinect传感器输出的深度图像作为感兴趣目标检测模块的输入，通过对深度图像做感兴趣目标检测处理，得到一副矩形形状的感兴趣目标图像；

人脸目标检测模块，感兴趣目标检测模块输出的感兴趣目标图像和Kinect深度传感器输出的彩色图像作为人脸目标检测模块的两个输入参数，用于检测所述感兴趣目标图像中是否有人脸目标；

人体目标跟踪计数模块包括：

目标模型集合，用于保存人体目标轮廓，目标模型集合的初始值为零；

第一匹配模块，当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，将所述感兴趣目标图像通过第一匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

第二匹配模块，当所述人脸目标检测模块没有检测出所述感兴趣目标图像中有人脸目标时，将所述感兴趣目标图像通过第二匹配模块与目标模型集合中的人体目标轮廓进行匹配，如果匹配成功，则所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果匹配不成功，则所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合；

计数模块，用于对目标模型集合中的人体目标轮廓进行计数。

2.根据权利要求1所述的人数统计***，其特征在于：对深度图像做感兴趣目标检测处理的过程为：

根据深度图像的坐标系，在检测空间内预先划分出一个感兴趣空间，该感兴趣空间投影在深度图像中成为一块矩形范围，该矩形范围称为投影矩形；

假设某一帧深度图像为D(x，y)，感兴趣空间在深度图像中的投影矩形左上点坐标为(x₀,y₀)，投影矩形的像素宽度和高度分别为w和h，感兴趣空间距离Kinect深度传感器的最近距离和最远距离分别为d_min和d_max，根据下式将深度图像进行二值化：

$B(x,y)=\left\{\begin{array}{cc}255& x_0\≤x{\≤x}_0+w,y_0\≤y\≤y_0+\mathrm{hand}{d}_{\min }\≤D(x,y)\≤d_{\max }\\ 0& \mathrm{else}\end{array}\right.$

此时，二值图像B(x，y)的白色区域即表示感兴趣空间内的目标，此时获取的目标范围是不规则的几何形状并有时会存在空洞，然后将计算出的二值图像B(x,y)轮廓的外接矩形作为感兴趣目标图像传递给人脸目标检测模块。

3.根据权利要求1所述的人数统计***，其特征在于：所述人脸目标检测模块采用基于Adaboost的人脸检测算法检测所述感兴趣目标图像中是否有人脸目标。

4.根据权利要求1所述的人数统计***，其特征在于：所述第一匹配模块或/和第二匹配模块采用下述方法对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行直方图匹配，如果直方图匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果直方图匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

5.根据权利要求1所述的人数统计***，其特征在于：所述第一匹配模块或/和第二匹配模块采用下述方法对感兴趣目标图像与目标模型集合中的人体目标轮廓进行匹配：

当所述人脸目标检测模块检测出所述感兴趣目标图像中有人脸目标时，先将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，再将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行特征点匹配，如果特征点匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果特征点匹配不成功，则表明所述感兴趣目标图像为新目标，将该新目标添加入目标模型集合中；

当所述人脸目标检测模块检测出所述感兴趣目标图像中有没有人脸目标时，将所述感兴趣目标图像与目标模型集合中的所有人体目标轮廓进行运动关系匹配，如果运动关系匹配成功，则表明所述感兴趣目标图像为非新目标，用该非新目标更新目标模型集合中与之匹配的人体目标轮廓；如果运动关系匹配不成功，放弃该感兴趣目标图像。

6.根据权利要求4或5所述的人数统计***，其特征在于：所述运动关系匹配方法如下：

假设当前感兴趣目标图像为t_c(x_c，y_c,w_c,h_c,z_c)，其中，(x_c,y_c)为当前感兴趣目标图像矩形范围左上点的像素坐标，w_c和h_c分别为目标当前感兴趣目标图像t_c的像素宽度和高度，z_c表示当前感兴趣目标图像是否含有人脸目标，z_c∈{0，1}，z_c为0表示当前感兴趣目标图像中无人脸目标，而z_c为1表示当前感兴趣目标图像中有人脸目标；

假设当前已发现的目标集合为T＝{t₁,t₂,t₃…t_n}，目标集合中的元素t_i(x_i,y_i,w_i,h_i,z_i)，i∈{1,2,3,…n},其中为目标集合中目标t_i的像素坐标，w_i和h_i分别为目标t_i的像素宽度和高度，z_i表示目标t_i是否含有人脸目标，z_i∈{0，1}，z_i为0表示当前目标t_i中无人脸目标，而z_i为1表示目标t_i中有人脸目标；

当前感兴趣目标图像t_c与目标t_i的参数满足下式时，判断当前感兴趣目标图像t_c与目标t_i的运动关系匹配成功：

$\left\{\begin{array}{c}(x_c+\frac{w_c}{2})-(x_i+\frac{w_i}{2})\≤\mathrm{\α}\\ (y_c+\frac{h_c}{2})-(y_i+\frac{h_i}{2})\≤\mathrm{\β}\end{array}\right.,$ 该式中，，α和β为预先设定的参数。