计数系统

如果你把一个计数系统称为一个计数房间里的人的系统，那么我建议你用一个带有2个激光器(普通激光器玩具)和2个光敏电阻的微控制器来实现硬件。对于微控制器，我建议您使用Arduino。然后制作一个c#应用程序，它有一个SerialPort对象，并读取arduino通过USB发送的数据。例如，arduino将发送1表示"有人进入房间"，发送0表示"有人离开房间"。然后在c#中可以很容易地完成日志记录和统计。

Arduiono网站:

$1的光敏电阻:这里

这个解决方案比使用一个质量相当好的相机更便宜，更容易实现。

希望我能帮到你。

查看最新版本的OpenCV(>= 2.2)附带的HOG行人检测器。

参见OpenCV源代码中的modules/objdetect/src/hog.cpp和samples/cpp/peopledetect.cpp。遗憾的是，目前还没有关于它的官方文档。

这将帮助你计算移动的事物，包括人:CodeProject上的运动检测项目

人是场景中唯一的"实体"吗?如果情况并非如此，你是否会考虑将人物视为场景中移动的其他事物?因为如果是这样的话，你可以数一下从现场进来或出来的斑点。这听起来可能有点幼稚，但我将采用某种运动图像，在集群中按距离分组运动像素。你的距离度量可以考虑一些限制，例如人们"经常"站着，所以集群中的像素应该围绕某种回归线(如果相机与地板对齐，则是直线)分组。不需要在场景中跟踪他们，只需要注意他们何时进入或离开，尽管你可能会遇到一些问题，例如，人们在场景中独自进入并成对或成群离开……祝你好运!

我认为如果你有密集的人群，有很多闭塞，你必须使用一些机器学习算法，例如你可以使用隐式形状模型的特征。

这取决于相机的位置。假设您可以获得图像中人物的正面配置文件:

这个问题基本上是人脸检测和识别。

有很多方法去寻找面孔，但这是我更熟悉的方法。

对于人脸检测，您需要对肤色颜色进行图像分割。这将提取皮肤区域。[手臂，胸部(对于那些穿V字上衣的人)，脸，腿等]然后你需要将皮肤区域的轮廓与你训练过的脸的轮廓对齐。

[你需要使用Eigenfaces来创建一个面孔的通用配置文件]

如果皮肤区域与轮廓线对齐且不偏离太远，则被认为是脸。一旦面部被确认，然后将其添加到特征面部数据存储中[用于识别]。为了节省处理时间，如果您正在寻找以前的面孔，您可能需要考虑限制搜索区域。[给定帧率，最后一次看到的人]

如果你指的是"人流"，我想你指的是人群中面孔的密度。

现在你已经确认视频中移动的物体是一个人。现在你只需要注意这一点，然后确保你不会再把他们当成一个新人。

这个方法:真的取决于你检测面部区域的能力。如果视频中的人向下看，不符合训练数据的轮廓等，这可能不起作用。如果一个人在视频中戴上太阳镜，也可能会受到影响。[可能会被认为是"新面孔"]