【毕业学位论文】（Word原稿）基于前后台智能分析的人数统计系统-软件工程

中图分类号： 学校代码： 10055 密级： 公开 硕 士 学 位 论 文 基于前后台智能分析的人数统计系统 要 I 摘 要 本文主要针对机器视觉领域的人数统计系统进行了相关的研究和设计实现。对国内外 人数统计算法进行了研究和对比，针对其存在的缺陷进行了改进，提出了一种有效的实时人数统计方法并 设计并实现了一套适合复杂场景 下的基于前台和后台分析的人数统计系统。该系统由前端的分析仪系统和后台服务系统组成，将人数统计算法模块放于前端，有效地降低了服务器端的负载，可以实现实时人数统计并进行后台数据分析和汇总，适合商场、车站等复杂场景的使用。 针对本系统所涉及的相关领域和技术，文章首先介绍了其核心技术领域即图像处理和机器视觉的相关技术。对 开源图像处理库 行了简单介绍， 阐明了选择 进行图像核心算法开发的原因和主要功能框架，给系统的实现思路奠定了基础。其次文章对图像压缩和图像的灰度直方图进行了介绍，在 此基础上主要对移动物体跟踪进行了详细研究，这是人数统计算法实现的核心原理，也是系统最主要的部分。 最后介绍了本文所涉及的智能分析仪技术和其所用到的数据库访问技术。 文章根据目前人数统计系统的 发展趋势，通过调研对用户的需求进行了总结归纳，并且根据总结归纳 的结果，按照模块设计的原则，对 人数统计 系统进行了详细的设计 。系统 主要 分为前端分析仪系统和后台服务系统。其中前端系统又 包括 信模块 ， 视频采集模块 、 视频预处理模块 以及 视频分析模块 ；后台服务系统主要包括 系统登陆模块 、 网络监听模块 、 视频播放模块 、 分析仪管理模块 和 报表统计模块 。文中 对各个模块进行了严格的定义，明确了它们之间的接口关系 ，从而使系统具有模块化的优点。 通过本课题的研究，利用数据库、计算机技术、网络技术以及图像处理技术 ，实现了 基于前后台智能分析的人数统计 平台，弥补了目前 该领域 在 智能化方面的缺陷，并且通过多种机制对系统进行了安全管理，如多重 用户管理机制，采用C/S 软件架构等，在 多种 环境下试用 ， 该 人数统计 系统 取得了较为满意的效果。 关键字 ： 人数统计 ； C/S 模式 ； 视频 分析； 分析仪 I n a on is we a in on we a on to of it on is so in of It a of to of in is of to of of in on of to is of a of of to in is a of on of II as , a of C/S; 录 录 摘 要 . I . 一章 引 言 . 1 第一节 研究背景 . 2 第二节 国内外现状 . 6 第三节 主要工作 . 8 第四节 论文结构 . 9 第二章 相关技术 .一节 图像处理技术 . 11 像处理库 . 11 频图像压缩 . 13 像灰度直方图 . 15 动物体跟踪 . 16 第二节 智能视频分析仪 . 20 第三节 数据库相关技术 . 21 第三章 系统设计 . 25 第一节 前端系统设计 . 26 信模块 . 26 频采集模块 . 29 频预处理模块 . 30 频分析模块 . 32 第二节 后台系统模块设计 . 35 据库设计 . 35 统登陆模块 . 36 络监听模块 . 37 频播放模块 . 37 目录 分析仪管理模块 . 38 表统计模块 . 39 第四章 系统实现 . 42 第一节 系统的工作流程图 . 42 第二节 前端系统实现 . 43 频采集模块的实现 . 43 频预处理 . 46 于混合高斯模型的背景建模 . 49 块跟踪 . 51 块直方图投影分析 . 54 第三节 后台系统实现 . 55 统登陆模块的实现 . 55 频播放模块的实现 . 55 络监听模块 的实现 . 56 析仪管理 . 57 表统计的实现 . 59 第五章 总结与展望 . 61 第一节 总 结 . 61 第二节 展 望 . 61 参考 文献 . 63 致 谢 . 65 个人简历、在学习期间发表的学术论文和研究成果 . 66 第一章 引 言 1 第一章 引 言 随着科学技术的发展，视频监控相关产品越来越受到人们的重视，其市场份额越来越大。而视频监控技术的智能化是一个急需解决的问题，因为对视频监控进行智能化分析，运用生物识别等技术 1才能使其发挥更大的作用，并且产生新的应用需求。视频客 流统计是目前比较热门的一种智能应用。随着现代企业的逐步发展，顾客数量是一个非常重要的有效信息，其在一定程度上时时刻刻反应市场的动态情况，其应用领域包括商场超市、重要的军事基地、政府部门、企事业单位、工厂工地等特别场合，可能都需要对进出的人员进行计数，从而获取重要的信息： 1）重要的旅游场所，可能需要对进出参观的人员进行统计分析，并且对其趋势进行一定的预测，从而更好的进行园区规划、公共资源分配，人员调动以及客流疏导等工作的开展。 2）商场超市可能需要对相关的消费人员数量进行统计分析，研究客流数据、客流习惯一直 是视频商业智能分析的一个核心重点，通过客流的智能分析，从而实现商场超市利润的最大化。 3）学校、工厂等可能需要统计进出重要场所的相关人员数量，从而可以进行相应资源的开放，以及疏导人员的配置，从而保证学生的人身安全，工厂的正常运营。 虽然客流数量的统计在一定程度上可以衡量相关商业设施运营的状况，并且通过准确的客流数量数据来总结归纳客流的行为规律，从而可以从侧面了解相关基础设施运营维护情况，并且相关的运营维护单位可以有效的组织运营工作，安排相应的运力，如火车站、长途汽车站等公共服务部门。不过，目前客流数量的实时 检测技术还存在很多不足，需要进一步的改进与完善，甚至当前，有些调查机构依旧是派人力到街口、门口等场所进行人工计数方式，这种计数方式显然过于低下，并且浪费大量人力、物力。另外也有厂家采用红外的技术、或者电磁感应技术进行客流数量的统计，然而这种设备往往误差大，无法获取精确的客流数量，不能满足人们日益提高的需求。 第一章 引 言 2 随着视频监控的逐渐普及，采用视频图像的智能分析算法进行客流技术的案例越来越多，并且由于它价格低廉，统计结果精确，并且具有监控界面交互简单3，所以逐渐被商场、超市所接受。据不完全统计，目前美国、欧洲各 国等发达地区和国家 95%以上的大型超市、商场、连锁店都广泛采用基于视频监控的客流统计分析系统，它们利用视频监控系统的廉价性的特点，广泛使用，从而达到指导管理、指导作业的目的，从而实现智能管理，智能经营的目的，为进一步扩张铺平道路，获得有效信息。 第一节 研究背景 基于计算机图像处理的客流计数存在多种方式，具体我们在这里列举三种主要的方式： 第一种方式，就是利用双目摄像机，其基本原理的就是利用双目的视差，即充分利用两个或多个摄像机照射同一区域，从而获取同一个目标的视差。双目摄像机存在两种模式，一种是两个单独的 摄像机，进行几何空间的配准，另外一种是两个一体摄像机，从而降低其配准难度，但是价格更高；通过视差可以在一定程度上解决了目标之间的遮挡问题，并且可以计算出人体的高度，从而实现目标高度在一米半到一米八之间的统计功能，并且在统计过程中，记录的目标的运动方向，典型的应用实例就是英国 益百利 。 第二种方式，基于横切面的客流统计技术，其基本原理就是对经过一个横切面的目标进行计数。该类系统往往需要在出入口处按照摄像机，实现视频图像的采集功能，并且进行背景建模，前背景分割获取运动目标，通过跨过横切面的像素数量，使用分类器，从 而实现客流数量统计，目前国内很多视频监控厂家都采用此类技术，因为此类技术计算负担小、统计精度在通常情况下是可以接受的，但是要想提高精度，其难度也将会大增，存在瓶颈问题。 第三种方式，就是运用目标检测 4目标跟踪等 6综合技术对客流进行有效统计，系统利用几乎垂直向下的摄像机来获取视频图像资源；此类算法可以采用霍夫变换，对图像中近似圆的区域进行检测，并且综合考虑人的头发颜色，运动方向等特征，分析所检测到的目标是不是有效目标，如果是有效目标，就进行计数，反之，视为伪目标。此类系统往往计算负担大，但是检测 精度较高，提升第一章 引 言 3 空间所遇瓶颈较少，是目前主要的研究方向之一。 通过对上述监控环境下所使用的三大类客流统计技术，我们可以发现其中各类系统所存在的优点和缺点： 从上面介绍可以看出，第一种客流计数方式实质上是通过检测运动目标的高度来实现客流技术目的，这种方式存在的最为明显的缺点就是当被检测的人员身高过高或者升高达不到系统所设置的阈值，就不会被检测到，因为其往往因为阈值设置而产生瓶颈，不过当阈值设置区间增大，其相应的误报也会大大增加，如当系统下限调低，那么背包的行人可能被检测成两个人，从而产生误报，另外其检测区间的增 大也会对相应的摄像机提出更高的要求，从而导致系统成本几何指数增加。 第二种方式虽然具备第一种方式所具有的缺点，不过其检测精度受现场环境影响很大。如当摄像机角度、摄像机安装位置的不同，一个运动目标在图像上存在的面积、角度就不同，当其通过客流检测截面时，会产生不同数量的像素，然而不同的像素数量可能对应不同的人员数量，并且目标距离摄像机远近的不同，会产生不同的运动像素，因此这类客流计数方式往往具有很强的工程安装要求，对相关的安装人员有较高的要求，并且需要相应的技术人员进行指导，调试等等，因此其适用性较差。 当摄像 机垂直安装时，运动目标在摄像机中所存在的影像就比较类似，因为图像特征稳定度大增，此时人头往往是圆形的，因为可以采用霍夫变换，对人头进行检测，并且进行跟踪。不过此类算法往往需要摄像机垂直照射，然而垂直照射在很多场景是不适合，因为摄像机存在视场的问题，并且所客流计数通道往往比较宽，所以存在一定的盲区；至此，在现实监控环境中，摄像机与运动目标存在一定的角度，为此可以选择头肩检测算法实习目标计数功能，因为人的头肩形状在一定程度上是比较特殊，并且具有稳定性。 可以看出，如果要实现具有客流统计功能的视频监控系统需要融合 多种技术，其中包括视频存储技术、视频分析技术、图像处理技术、网络传输技术、系统架构设计技术、模式识别技术、人工智能技术、界面设计技术等多个领域，并且针对客流统计算法进行深入的调研与分析，从而提取运动目标，颜色特征、目标轮廓、目标边缘等多种特征，并且通过大量的样本对所提取的特征进行训练，第一章 引 言 4 从而实现客流统计功能，下面是一个客流统计实例，具体可见 图 1 图 1流统计界面示意图 从上面可以看出，如果摄像机安装在正门上方，那么由于所计数的门宽度太大，从而导致门两侧进出的人员不能被有效的技术，因为只能选 择安装在正对门口的位置，此位置情况下，人的头肩特征较为明显，因此可以采用头肩检测的方式实现客流统计。 虽然上面我们可以看到的只是客流统计的一个界面展示，但是可以看出，客流统计系统往往由三部分组成： 视频采集单元：主要负责视频数据采集，包括使用的摄像机、摄像机电源，视频网络等。 客流统计单元：主要负责视频数据分析，其可能是一台服务器，也可以是与视频监控平台想集成的服务器。 统计分析单元：主要负责对客流统计获取的客流数据进行汇总分析，甚至是给第三方提供相应服务的程序。 第一章 引 言 5 图 1流统计系统构成示意图 从 图 1统前端往往需要根据现场条件安装若干个摄像头，其数量受到检测位置、检测需求来决定，而且在一定程度上其安装位置也受到后继客流统计算法影响，因此安装过程需要受到相关技术人员的支持与指导，从而才可能使客流统计算法达到很好的性能。 前端所采集的视频信息，可以通过网络，或者视频线直接传送给具有客流统计功能的处理单元，处理单元进行相关算法运算，如背景建模、前景提取、滤波去除噪声等功能实现客流统计功能，并且通过网络将客流数据传送给相关系统，或者第三方系统。 分析决策系统根据获取的客流信息，进行信息展示，并 且根据预定规则进行相应处理，如客流超过一定的程度，可能需要给正在休假的工作人员发送信息，让其归岗，提供服务。或者当客流产生异常现象，过度拥挤，可能需要进行一定的疏导，呼叫相关疏导人员到岗进行有效的疏导，防止发生意外事件。从而达到防控未来的目的。 通常，具有客流统计功能的视频监控 系统 的 工作流程 可以具体到如 图 1 第一章 引 言 6 图 1客流统计系统的工作流程 目前根据调研，基于计算机视觉技术的客流统计系统往往具备以下一些功能特性： 1）系统具有实时浏览视频的功能。 2）系统具有视频存储功能，可以对视频进行 有效的存储，存储时间可以根据具体请客设置，供事后查询之用。 3）系统具有用户管理功能，针对不同的需求，系统给不同的用户开放不同的权限，从而满足不同的需求。 4）双向统计的功能，系统可以实现客流的双向统计，从而精确了解客流信息，指导决策。 5）系统支持多种统计分析功能，通过多种方式对生产的客流信息进行有效的展示，导出等。 6）视频网管安全保证，为了保证信息的有效性，并且出于安全的考虑，需要对网络进行有效的防护。 第二节 国内 外 现状 人数统计系统有多种分类方式，按照监控摄像头的角度以及应用场景可以分为垂直角度 场景和斜角场景两种。从适用环境来划分，人数统计系统可分为断面式和区域式。断面式系统对一个二维断面内通过的不同方向的人数进行统计。适用于商店，车站等公共场所的出入口、室内或者室外的人行通道等场合。区域式第一章 引 言 7 系统，则是可以实时地统计出一个指定区域内的总人数或者进行密度估计。区域式系统可以用于统计较小范围内或者较大范围内的人数，一般也称为人群监测统计系统。根据数据采集原理，人数统计系统又可以分为红外光电传感器式、多摄像头立体视觉式和单摄像头式三类系统。其中红外光电传感器式的优点是安装方便、便于维护，已经开始被广泛应用 于公交车、地铁和火车的车门来统计上下旅客数量。红外光电式人数统计系统的主要缺点是目前只有断面式的产品，此外，在进出口断面宽度较大，人流密集的情况下，由于无法分割位置紧邻的人群，而导致统计精度下降。红外系统的另一个问题是人数统计结果里没有图像一记录，给实时观测现场情况带来了困难。为了克服这个困难，红外光电人数统计系统往往和视频监控系统结合使用。多摄像头立体视觉人数统计系统使用至少两个事先标定好的并排放置的摄像头，通过立体深度算法，将场景深度图计算出来。在深度图中可以分割出每一个经过摄像头前的行人，从而达到数人 的目的。立体视觉式的系统适用于断面式和区域式环境，此类系统也己经开始在欧洲的地铁车门上开始使用。其主要优点是由于使用三维深度信息，所以对图像中行人的分割比较准确，受行人相互遮挡等的影响较小。多摄像头立体视觉式系统的主要问题是由于使用多个摄像头，并需要准确标定，体积较大，系统成本也较高 7。 近年来，人数统计系统受到国内外很多学者的高度关注，在理论和实践两方面都取得了长足的进展。 在理论研究方面，计算机视觉领域中的著名期刊如 、 、 和重要的学术会议如 on 、 、 相继刊登了大量有关人数统计方法领域内的最新研究成果。 等人 基于垂直角度场景单目固定摄像头，采用简单跟踪和 结合的两级跟踪算法跟踪统计行人，很好的解决了行人对象合并分离问题，得到了较好的统计结果。但该算法未区分行人和其他对象，另外穿着相同颜色衣服的行人也会对统计结果产生影响。文献 8中 人学习单人在特定场景下运动矢量信息，建立运动矢量和人数的关系。该算法结构简单，满足实时性，并且达到了 95%的统计结果。但该算法对环境要求较高，光线的变化对统计结果影响较 大 。 文献 9建立人体模型，基于视频中人头不宜被遮挡 的前提，确定人体位置，然后通过摄像第一章 引 言 8 机标定技术确定人体模型参数，利用卡尔曼滤波算法跟踪对象，解决对象拥挤遮挡问题，得到了很好的统计效果。 在实践研究方面，国外的著名的研究活动主要有 :美国国防高级研究项目署(立了以卡内基梅隆大学 (首、麻省理工学院 (高校参与的视觉监控重大项目 10，主要研究用于战场及普通民用场景进行监控的自动视频理解技术 ;马里兰大学的实时视觉监控系统 11不仅能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，并可以检测人是否携带物体等简单行为 ； 英国的雷丁大学已开展了对车辆和行人的跟踪及其交互作用识别的相关研究 ； 三菱电子研究实验室也正 研究视频人数统计方法，该方法也可以应用于其他对象统计 。 在 国内的研究机构中，由谭铁牛领导的中国科学院北京自动化研究所下属的模式识别国家重点实验室在视 觉监控研究处于领先地位。他们对交通场景的视觉监控 (基于三维线性模型定位、基于扩展卡尔曼滤波器的车辆跟踪算法 )、人的运动视觉监控 (基于步态的远距离身份识别 )和行为模式识别 (提出了对目标运动轨迹和行为特征的学习的模糊自组织神经学习算法 )进行了深入研究，取得了一定的成果 12而且他们总结了英国雷丁大学的车辆交通监控原型系统的研究经验，在以往的理论研究的基础上，自行设计并初步实现了一个拥有完全自主知识产权的交通监控原型系统 文安客流统计系统(15是一种先进的监控人群流动的智能安防系统，能够准确地统计通道口出入人数、提供人群流动方向等信息。用户可根据需要，指定监测一个或多个出入口，也可以指定统计单一方向或双向的人群流动。根据客户的需要，系统可以把统计信息生成报表，或上传到其他商业管理软件。 第 三 节 主要 工作 本文主要针对 人数统计系统算法以及软硬 间之间的 结合 展开相关研究，通过大量的阅读、系统的设计与实现，主要完成一下几个方面的工作： 第一：本文以智能 人数统计 系统为核心展开相关研究，包括研究背景总结和概括、 智能自动人数统计 系统的 介绍。本文通过国内外研究现状，将 人数统计 系统放在一个更大的范畴进行思考，即在视频监控在国内外的发展状况的范畴内对商场智能监控系统进行思考。根据目前视频监控研究的重点，对其发展趋势进行了简单分析。 第一章 引 言 9 第二：本论文虽然面对的是 基于视觉的人数统计 系统的研究，但是为了建立对视频监控系统一个全面、丰富的知识体系，论文也对视频监控系统的相关知识进行了学习和总结。内容包括 基于 像处理库的图像处理方法和流程、视频图像压缩技术、图像直方图以及移动物体跟踪算法等 。 第三：为了实现 基于前后台智能分析的人数统计 系统，本文 对人数 统计的相关知识进行了收集和学习，其中主要从视频分析的角度将目前主流的客流统计技术进行了分类，并且针对每类所具有的有点和缺点进行了分析和学习，通过分析，我们选择目前研究的热点之一进行更加深入的研究，对已有的算法提出了改进意见，从而完善已有算法 ，并 基于工控机技术集成一套完整的人数统计前后端系统。解决了 在视频监控场景下，监控精度差，实时性不好的问题，从而为实现系统做了很好的铺垫。 第四：通过 仔细研究用户需求文档及 调研一些视频监控系统厂商，从而明确了本系统所具有的功能，其中包括 前端系统和后台系统，前端系统以分 析仪的形式集成了视频图像采集算法、视频图像预处理算法、人数统计算法以及通信模块等几个部分；后台 系统通过 信机制以服务端的形式与前端 分析仪进行交互， 除了基本的用户管理功能外还具备视频多路播放、分析仪配置管理以及报表统计等功能。 对各个功能模块进行了详细阐述，从而明确了系统功能，对后继的设计开发进行指导。通过这些功能的能解归纳，给相关的读者明确全面的认识。 第五：设计并实现了 基于前后台智能分析的人数统计 系统，其中对系统所需具有的安全性，用户界面的友善性，系统的鲁棒性进行了一定的研究。因为 此类系统的使用 者与其他视频监控 系统不同，往往没有专门的维护人员，并且相关的使用人员水平较为低下，不能进行较为复杂的维护工作，为此需要对系统的界面设计进行调整与完善，使系统不需要太多的用户操作，就可以实现所需功能；不过系统还是预留了管理员权限，即当有些用户通过实地使用系统，逐渐对系统有所了解，从而对系统有新的需求，此时需要给用户更大的权限，为系统的进 一 步推广完善储备相关有效用户，增强用户对系统的忠诚度，便于系统推广。 第 四 节 论文结构 为了增加论文的可读性，我们将 论文 内容分成六个章节进行相关内容的介绍 ， 具体如下所示 : 第一章 引 言 10 第一 章 引言 ， 本章节主要介绍论文的背景知识以及 智能人数统计 系统的国内外发展状况以及发展趋势 。 第二章 相关技术， 为了 便于 理解本文，本章节主要介绍了系统所涉及的相关知识 。 第三章 系统需求分析， 通过对相关 用户 调研，总结归纳了用户需求和系统功能需求 。 第四章 系统设计， 为了实现系统的功能，满足相关用户的需求，本章进行了系统设计， 系统 采用 分析仪前端分析和后台数据分析汇总 的架构 。 第五章 系统实现， 利用第四章的结果，对各个功能模块进行了编码实现，对各个模块和系统进行了验证和实验 。 第六章 总结与展望，通过整个系统的学习 、设计与实现，我们对相关工作进行了总结，对存在的问题进行了展望。第三章 系统设计 11 第二章 相关技术 本章 主要对 基于前后台智能分析的人数统计系统所涉猎到 的相关知识进行了一定的介绍 。 其中包括 介绍了 然后 本文 简单 叙述了视频图像分析技术，并且对不同的视频分析技术进行了简单介绍 。 接下来本文介绍 了视频图像 压缩技术 ， 视频图像压缩是其传输和处理的基础， 不同视频压缩 技术所具有的特点及其它们在目前视频监控系统中应用情况 。 接下来着重介绍了和人数统计算法息息相关的两种图像处理方法，视频中 的移动物体跟踪算法以及图像直方图，这两种视频图像处理是本文人数统计算法的基础。 之后， 对前端系统所采用的工控机技术进行了简单介绍，分析仪是前端系统的存在形式。最后， 本文 介绍了数据库的一些相关知识，这些知识主要是关于数据库的基本知识 ， 在后面系统实现中有所涉及 。 最后 ， 本文 对不同的软件架构进行了详细阐述，总结了它们各自的优缺点。 第一节 图像处理技术 像处理库 什么是 司资助的开源 图像处理、计算机视觉 库。它由 大量的 C+类 组成 ， 内部 实现了 图像处理和计算机视觉方面的很多 优秀的通用算法。 一个目标是构建一个简单易用的计算机视觉框架，以帮助开发人员更便捷地设计更复杂的计算机视觉相关应用程序。 含的函数有 500多个，覆盖了计算机视觉的许多应用领域，如工厂产品检测、医学成像、信息安全、用户界面、摄像机标定、立体视觉和机器人等。因为计算机视觉和机器学习密切相关，所以 提供了 器学习库。该机器学习库侧重于统计方面的模式识别和聚类 ( 了用在视觉相关的任务中，还可以方便地应用于其他的机器学习场合 16。 起源 生于 究中心，其目的是为了促进 集型应用。为了达到这一目的， 动了多个项目，包括实时光线追踪和三维显示墙。一个在意到许多顶尖大学中的研究组 (如第三章 系统设计 12 体实验室 )拥有很好的内部使用的开放计算机视觉库 (在学生们之间互相传播的代码 )，这会帮助一个新生从高的起点开始他 /她的计算机视觉研究。这样一个新生可以在以前的基础上继续开始 研究，而不用从底层写基本函数。 以下三大目标。 1） 为基本的视觉应用提供开放且优化的源代码，以促进视觉研究的发展。能有效地避免“闭门造车”。 2） 通过提供一个通用的架构来传播视觉知识，开发者可以在这个架构上继续开展工作，所以代码应该是非常易读的且可改写。 3） 本库采用的协议不要求商业产品继续开放代码，这使得可移植的、性能被优化的代码可以自由获取，可以促进基于视觉的商业应用的发展。 这些目标说明了 缘起。计算机视觉应用的发展会增加对快速处理器的需求。与单独销售软件相比，促进处理器的升 级会为 来更多收入。这也许是为什么这个开放且免费的库出现在一家硬件生产企业中，而不是在一家软件公司中。从某种程度上说，在一家硬件公司里，在软件方面会有更多创新的空间。 应用领域 为一个开源的计算机视觉库，其主要功能是集成了大量优秀的图形图像处理算法。这为机器视觉应用领域提供了一个有力的平台支持。可以说只要图形图像所涉及的领域， 有所涉猎。例如在智能视频监控领域，很多检测算法都是基于 成，入侵检测、人数统计、人的异常行为分析等智能分析都可以应用 觉库实现；智能交通领域的车辆检测、电子警察也可以基于此库；就算在人机交互领域也有 影子，视觉交互中的人的交互行为分析也是典型应用之一。总结一下， 要应用于以下领域： 智能视频监控、智能交通领域、工业检测； 人机交互、游戏领域、医学图像处理等等。 结构 体分为五个模块，其中四个模块如图 2 块包含基本的图像处理函数和高级的计算机视觉算法。 机器学习库，包含一些基于统计的分类 算法 和聚类工具。 含图像和视频输 入 以及 输出的函数。 含 一些基本数据结构和相关 处理 函数 16。 第三章 系统设计 13 图 2基本结构 图 2块 ，这个 模块 一般 包含 一些即将被淘汰的 图像处理 算法和函数 (如基于嵌入式隐马尔可夫模型的人脸识别算法 等 )，同时还有一些新 提出但目前仍在实验阶段 的算法和函数 (如背景和