隨著公共交通行業(yè)和車載視頻監(jiān)控系統(tǒng)的不斷發(fā)展，公交車上的安全問題受到越來越多的關(guān)注。為了保證乘客的安全，不僅需要對(duì)公交車上可疑的乘客和事件進(jìn)行檢測(cè)及跟蹤，提取有用信息（如乘客的運(yùn)動(dòng)軌跡）報(bào)告給監(jiān)控人員進(jìn)行處理，還需要實(shí)時(shí)統(tǒng)計(jì)客流量，方便管理人員及時(shí)發(fā)揮調(diào)度作用，合理配置資源。因此，基于車載視頻監(jiān)控的乘客檢測(cè)及跟蹤方法成為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的研究熱點(diǎn)。本文要解決的主要問題有：復(fù)雜環(huán)境的影響，比如人體衣服顏色與背景顏色相似，背景中有類似人體輪廓的物體，天氣及光照變化等；乘客相互遮擋的問題；乘客運(yùn)動(dòng)過程中尺度變化的問題；系統(tǒng)實(shí)時(shí)性要求。

　　針對(duì)公交車上乘客相互遮擋及光照變化明顯的問題，提出一種基于頭肩部邊緣特征和局部不變特征的人體檢測(cè)及跟蹤算法。首先對(duì)待檢測(cè)圖像進(jìn)行自適應(yīng)閾值背景差分，實(shí)現(xiàn)乘客目標(biāo)分割；然后用樣本的梯度方向直方圖（HOG）特征訓(xùn)練支持向量機(jī)（SVM）基礎(chǔ)分類器，結(jié)合自適應(yīng)增強(qiáng)（AdaBoost）算法提煉出最終的強(qiáng)分類器，對(duì)前景圖像進(jìn)行掃描實(shí)現(xiàn)乘客目標(biāo)檢測(cè)；最后提取目標(biāo)區(qū)域和當(dāng)前搜索區(qū)域的快速魯棒性特征（ SURF），通過特征點(diǎn)匹配實(shí)現(xiàn)乘客目標(biāo)跟蹤。實(shí)驗(yàn)表明，在乘客相互遮擋及光照變化明顯的情況下，該算法仍具有高于80%的檢測(cè)率和跟蹤率，且滿足系統(tǒng)實(shí)時(shí)性的要求，可用于客流計(jì)數(shù)。