以找到输入图像的轮廓线来判断是否为人脸区域。
(3)模板匹配的方法
该方法是事先建立并存储一些人脸模板作为标准，包括正面人脸或是单独的眼睛、鼻子、嘴巴等。利用数字图像处理算法来计算各待测区域与标准模板的相关性。利用这一模板来判断这一区域是否为人脸。
(4)基于人脸外观的方法
该方法是通过搜集大量的人脸样本作为训练集，用人工神经元网络、支持向量机(SVM)等方法训练出一个分类器来检测入脸。这种思想与其他思想的不同之处在于，并不首先人工的对人脸进行分析或是抽取模板，也不对输入图像进行复杂的处理；而是利用大量的人脸整体外观用结构化的方法来训练出人脸检测的分类器。在这类分类器中，特征向量、统计学、信息学等三思想也得到了运用。
人脸识别是难度较大的研究领域，因为影响识别的因素特别复杂，例如人脸因其尺寸、皮肤颜色及其细节部分如眼睛、眉毛的不同而不同。此外人脸与摄像机的距离和方向对其外形也有一定的影响。另外每个像素的亮度值还依赖于环境中的各种因素。首先是光源：光源的位置、颜色和亮度；另外还有周围物体的影响，有些物体会在其他物体上投射阴影或反射一些光线。因此，该领域还有很多的工作需要后人来钻研。
2，视频监控
视频监控主要应用于智能建筑的安保系统，一般重点监控区域，如电梯，走廊，等重要安全部门，都安装有摄像头，传统的模拟监控系统中图象数据的采
集、传输、显示和存储大多是基于模拟信号，需要人工不间断的观察多个监视器画面，不仅花费人力物力而且经常发生漏警和误警。
基于数字图像处理技术的安防系统，图像采集模块以CMOS摄像头为核心，负责采集检测区域的图像信息，获得所需的数字图像信息。数字图像处理模块，通过分析和处理采集到的序列图像，检测图像中出现的运动目标，实现对其运动的分析。主要是对图像序列流进行预处理、目标分离、检测、存储和报警等算法的实现，获得有用的信息。各个模块的实现效果都是通过监视器反应给监控室的工作人员，如果有特殊情况，工作人员可以通过监视器得到第一手的资料，从而做出相应的应急措施。从而克服了单靠人力效率低下，耗资巨大的缺点。
3,数字图像处理在建筑HVAC系统的应用
智能大厦房间多、内区负荷变化大；同时，由于HVAC系统耗能一般占整个大厦的40%以上，节能问题日益突出。因此，变风量空调系统（VAV）得到了广泛的应用， 它是一种通过改变送风量来调节室内温湿度的空调系统,由于变风量系统在调节风量的同时保持送风温度不变，因此在实际运行过程中必须根据空调负荷合理的确定送风温度。如果能够根据需要来调节气源的质量，那么HVAC系统将一定是最节能的。如
果能探测在场的室内人员，而且能知道室内人员的数量，根据已知的室内人员数量来调节最优的空气量，改进空气处理系统的响应速率，已达到节约能源的目的。并且已知室内人员的分布情况还能够估计在空调区域内不同范围的热负荷情况，以便自动的控制气源的速率。
采用模式识别技术，通过在室内各个不同位置放置摄像头，可以比较准确的算出室内人员数目。目前一般根据室内室内人员变动情况来判断CO2浓度，并以此为依据确定新风量：
LOACRA?CSA?LSACRA?COA
式中LOA 为新风量， CRA为回风中CO2浓度， CSA是送风中的CO2浓度， COA是新风中CO2浓度，LSA为送风量。这种方法的缺点是当室内人数很少时，不能排除非人为因素对室内空气质量的影响，如建筑本身散发的有害气体等。
4，数字图像处理在建筑结构检测中的应用
在建筑墙面所出现的各种缺陷之中，裂缝是尤其值得重视的一种。对混凝土结构来说，由于设计、施工、及地震、火灾、冲撞、、地下水位变化、化学反应等外界因素可能会引起微细的裂缝，某些地方出现的裂缝能够直接反映该区域材料与结构的力学性能及受荷载情况，有些细小的裂缝经过常年累月的演变也可能会发展成为重大隐患。因此对墙面出现的裂缝，有必要进行定期检查和详细记录并且对危险的裂缝调查其出现的原因以便维修和加固。基于数字图像处理技术的非接触式实时安全检测技术，能弥补传统检测方法的不足。
图像传感器以一定的间距分布于建筑的顶部或侧面，在每个视角内上放置一个或多个图像传感器，所有传感器组成一个监测网络，由各站的监测分析处理器进行数据采集和初步分析，再通过站间的计算机网络实现对建筑进行实时监测预警。目前，这种集成影像和传感器网络实现建筑裂缝的安全监测技术和系统在国内外还未见报道。这种方法的不足之处是设备投入太大，故而在实际应用中很少采用，不过视频监控系统中的很多设备可以共用，因此还是有比较好的前景。
1.3本文结构安排
本文提出了一种应用MATLAB软件，基于人体轮廓特征的提取及填充的来统计人数的方法，实验结果表明，该方法简单有效。
第一章为绪论，简要介绍了智能建筑及其节能技术的概况，提出了本文研究的必要性。
第二章介绍了原始图像的获取方式，通过比较不同角度的摄像头获取图片的特点，制定了图像获取模式。
第三章介绍了图像预处理，应用了图像灰度直方图均衡化和规定化，图像滤波等方法。
第四章比较了不同算子的轮廓提取结果，采用canny算子提取轮廓。
第五章通过对连通域面积的计算，采用阈值剔除小误差，得到了需要的人数。 第六章结论：对全文做了总结，并对将来的研究进行了展望。 本文总体算法设计如图1-2所示：
导入图片 灰度直方图均衡化或规图像滤波去噪 形态学膨胀 边缘检测 轮廓填充
人数统计 图1-2 人数统计总体算法设计 Fig1-2 Overall design of the algorithm
1.4存在的问题及本文应对办法
数字图像处理技术目前在智能建筑中的应用主要集中在视频监控领域，应用数字图像处理技术来统计室内人数的研究目前还比较少见，从视频截图中统计人数，是一项非常具有挑战性的工作，前人的研究也大多集中在理论层面，本文在研究中，也面临着很多的问题和困扰，主要集中在以下几个方面；
1，背景复杂度
背景的复杂程度直接影响了图像特征的提取，如室内光照强度的变化，室内动态物体的摇摆等，由于本文是应用在室内的人数统计，所以不存在风向的干扰，一般默认室内物体都是固定不变的，即将一切移动物体都默认为人，以提高人数统计的准确性。
针对这个问题，本文运用了背景减法来有效去除背景的干扰。 2，重叠问题
当室内人数超过一定的数量时，就会产生相互的遮挡，是数字图像处理中的很大难题，目前的很多方法都不能很好的解决这个问题。尤其当人数达到拥挤程度时，这个问题变得更加复杂。
针对这个问题，本文主要通过设置不同角度的摄像头来获取同时刻的图像，分别计算截图中的人数，取较大的那个数量。另外，还通过对连通域面积的计算来排除一部分遮挡的情况。
第二章 检测目标图像的获取
2.1引言
获取目标图像是数字图像处理的前提，人数统计就是通过提取目标的特征来实现的，如何获取一副图像，它包含我们要识别的全部目标，并且尽可能少的包含背景中的干扰因素，是我们首先要考虑的问题。如果图片中只包含我们想要识别的目标，这就是一种理想的状况，但是在实际情况中，这样子的情况很难出现，所以，在选取目标图像的时候，一方面要尽可能包含所有的识别目标，另一方面要另可能不包含干扰因素。太过于严格的限定会造成目标缺失，太过宽松的限定条件，又会提取到干扰的特征，对后续的处理造成影响，所以一般都是根据实际需求，来综合考量不同方案。
2.2图像采集方式的选择
闭路电视监控系统是现代智能建筑中必不可少的组成部分，目前在智能建筑和智能化小区中采用的闭路电视监控系统，从图像信号的摄录，到图像信号的传输、存储、调用、回放大都采用的是模拟信号；信号的传输是利用同轴电缆这种介质来完成的，尤其是在构建大规模的电视监控系统的时候，图像信号的采集、传输、存储，需要大量的传输介质来组建网络；也需要大量的录像机、录像带来存储图像信息。这势必带来大量的布线工作、大量的图像存储工作、大量的图像检索工作。对建设方的入力、物力、财力都是一种考验。随着数字电视监控系统的成熟，计算机网络和综合布线的广泛应用，如何利用好综合布线系统和计算机网络系统来减少系统的布线，利用计算机硬盘系统来存储图像，从而减少图像的存储工作量和检索工作量，是现在智能建筑、智能小区中构建大型闭路电视监控系统所要面临解决的主要问题。
现代的智能建筑中，摄像系统已经非常完善了，为了不增加硬件成本，本文选用智能建筑本身的监控系统的视频，所以摄像头是我们目标图像获取的主要途径。对于智能建筑，如何放置摄像头，是我们首先考虑的问题。位置的考虑首先是为了能够有最好的成像视角，其次，要考虑该位置能否有效避免背景干扰。好的图像采集方案要尽量满足所有条件。
图像中目标的重叠是视频截图时无法避免的问题，这是二维图像的局限性，如果只有一个摄像头，理论上肯定无法避免目标重叠。所以在实际中，一般采用安放在不同角度的几个摄像头，多角度图像的获取，虽然可以增加目标图像中的信息，但也带来了图像的同步截取和数据综合方面的难度。因此摄像头的数目也不能太多，本文选用了三个摄像头。
对于其中的一个采样角度，肯定是比较容易获取目标的正确信息，如何选择采