样角度，需要我们对各个角度的采样图像进行综合，这就需要更多的系统时间来计算。另外，一个实时系统肯定是希望能有更快的信息处理进度。在一个系统中，时间和效率是不能兼顾的，在这种情况下，通常的解决途径是：首先，通过计算数据冗余来提高系统的效率，第二，在可接受的范围内牺牲检测精度，获取更快的处理速度。
2.3目标图像的获取
通过前面的分析，对于一个图像采集系统，需要注意的事项已经大体明了，既要让摄像头获取的图像尽可能多的包含目标信息，又要降低干扰，提高效率。按照这个要求，确定一个方案，如果只安装一个摄像头，为了尽可能排除重叠，最好选择头顶部，也就是房间顶部。但是顶部只能拍摄人的头部，对于目标整体特征提取，远远不够，所以还需要一个摄像头来采集侧面图像，侧面图像能够找到人体轮廓等关键特征。这样就引入了多幅图像的信息综合的问题，进一步复杂了算法。本文中不涉及该算法，只对单幅图像进行分析。
综上，本文的目标图像获取方案如图2-1所示：
C C B
A 顶部
图2-1 图像采集方案（A，B，C代表三个摄像头）
Fig2-1 image acquisition program
由图2-1可以看到，A摄像头放置在房间的正上方顶部，B和C放在两个侧面，从平面看，三个摄像头的中心线汇集在一点，这样设计可以得到图像的三维立体信息。A摄像头可以得到房间的俯视图，这也是最不可能发生重叠的角度。B和C摄像头可以得到目标的侧面图像，为后续的轮廓提取等工作得到素材。
2.4目标检测
基于2.3介绍的图像采集方案，我们假设每隔一定时间对每个摄像头都截图一次，这个时间间隔要保证不能遗漏目标，同时也要考虑系统的处理时间，我们取为0.2妙，按照理想化的假设，我们可以制定如下计数原则：
1，若顶部计数目标数大于侧面计数目标数，以顶部数目为准。 2，若顶部计数数目为0，默认人数为0.
3，多顶部计数目标数小于侧面计数目标数，以侧面数目为准。 本文计数原则如图2-2所示：
顶部图像 侧面图像 计数计数 计数原则 最终人数
图2-2 计数控制部分
Fig2-2 the part of Counting control
第三章 图像预处理
3.1引言
通常，在实际情况下，由摄像头获取的原始图像并不是完美的。由于背景变化，噪声、光照等各种原因，获得的图像的质量不高，具体表现为图像模糊，特征不够清晰等，从而会对后续的目标检测带来一定的困难。所以接下来需要做的工作就是对视频图像进行一系列预处理过程。对原始图像的预处理就是在图像被其它算法分析之前，对图像进行增强和去噪。这个过程可以去除或减小图像中的噪声和杂波，来提高传输给主处理器的图像质量，减少需处理图像的数据量。因此，图像预处理具有非常重要的现实意义。本章主要阐述了原始图像与处理中的图像灰度变换和图像滤波，着重介绍了几种常用的空间滤波方法，并对其效果进行了比较。
3.2基于直方图变换的原始图像增强
图像增强的目的就是处理给定的图像，结果使得其某种特定特征比原始图像更适用于后续的处理，一方面，它能够改善图像的视觉效果，提高图像的清晰度。另一方面，能突出图像的特征，便于计算机对图像的识别、理解、分析的需要。
在数字图像处理中，最简单和最有用途工具就是灰度直方图，基于从图像亮度信息提取的变换函数，在图像增强，压缩分割等方面扮演着基础性的角色。任何一幅图像都包括可可视信息，甚至某些图像可以完全用直方图来描述，直方图的计算非常方便简单。
灰度直方图是关于灰度级的函数，描述的是图像中在该灰度级上的像素的个数，横坐标为灰度级，纵坐标为该灰度出现的频率，当出现以下1情况时，需要进行对其灰度直方图进行处理：
（1）灰度集中于灰度直方图的左端，图像总体上呈现出比较黑的特点； （2）正好与（1）中的情况相反，灰度集中于灰度直方图的左端，图像总体上呈现出比较白的特点；
（3）图像的灰度集中在灰度直方图某个比较窄的区间内，这就说明该图像的灰度值变化范围小，相应的也就是说它的对比度较低。
（4）当图像的灰度比较均匀分布时，相应的图像具有比较大的对比度，呈现出黑白分明的效果。
3.2.1 直方图均衡化
直方图均衡化是使用积分布函数变换法为基础的直方图改进方法。直方图均衡化
处理以后可以产生一幅灰度级分布具有均匀概率密度的图像，它平均了像素取值的动态范围。直方图均衡化处理的核心理论是把原始图像的灰度直方图从比较集中在某个灰度区间变成在全部灰度范围内的均匀分布，直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化处理前后的图像和直方图对比如图3-1所示：
图3-1直方图均衡化 Fig3-1 Histogram equalization
由图3-1可以看出，进过均衡化处理的直方图，灰度级十分均匀地分布在灰度区间内，图像呈现出一种黑白分明，十分清晰的状态，这对以后提取轮廓具有重要意义。
3.2.2 直方图规定化
直方图均衡化是灰度变换中最常用的手法，但是使用直方图均衡化技术来处理离散灰度级时，处理后的直方图只能是近似均匀，并不能达到完美状态。另外，在不同的情况下，并不总是需要均匀的直方图，有时候需要特定的直方图，以便能够对图像中的特定范围灰度级进行增强。直方图规定化就是针对上述理论提出来的一种直方图修正
增强方法。直方图规定化处理前后图像和直方图对比如图3-2所示：
图3-2 直方图规定化 Fig3-2 Histogram specification
由图3.2可以看出，直方图规定化后的图像，规定化后的直方图大体保留了原始图像直方图的形状，原图中的峰谷部位得到了加强。
3,3图像滤波
摄像头所获取的图像一般并不令人十分满意，由于光照的不均匀性，灰尘对CCD摄像头的影响等因素的影响，有必要对图像进行去噪、平滑的预处理．预处理是图像分割、特征形成、提取和压缩等图像分析的重要基础。
对图像进行滤波，主要的目的就是为了减少图像的噪声，数字图像中的主要噪声有高斯噪声，瑞利噪声，伽马噪声，指数分布噪声，椒盐噪声等，这些噪声有的来自于系统内部，有的来自于系统外部的干扰。针对不同的噪声发展出了不同的滤波算法。