客流统计技术是当前城市智能公交发展的研究重点,随着大数据的发展,如何精确获取客流数据具有重要的研究价值。通过统计站与站、线路与线路之间的实时客流量,分析市民出行“起点-终点”情况,动态指导公交管理部门制定运营计划,从而实现公交线网的优化、调度、预测以及公交资源利用的最大化。然而,由于公交车内特殊的场景环境,乘客非刚性、光照干扰、车身抖动严重等一系列问题,使得目前还没有一套较完善的解决方案。针对上述研究难点,通过采用视频图像处理技术统计公交客流量。本课题实验中,首先对截取的图像序列进行预处理,考虑到图片失真、车身抖动严重,采用局部运动估计块匹配算法进行稳像,选定匹配准则与搜索策略后求得全局运动矢量,从而进行进行运动补偿,保留视频关键信息;其次根据车内摄像头拍摄角度分析,乘客头部特征信息保存较完整,采用改进的Hough变换算法,利用颜色概率分布图,不断迭代得到乘客头部位置,进行乘客的检测,减小遮挡及光照干扰的影响;再次针对严重的遮挡以及乘客运动产生的形变问题,在乘客追踪环节,采用“Cam Shift-TLD”结合算法,利用TLD检测模块不断初始化以及学习模块的不断更新,使得目标模板得到更新,进行乘客的稳定追踪;最后,通过设置计数线的方式对上下车人数进行统计,从而达到客流统计的目的。本文分别通过实际公交场景视频,分析了选取的算法对视频稳像、乘客检测以及乘客追踪性能的改善作用,并且统计了在不同环境下公交客流统计的准确率。实验结果表明,选取的算法实现了视频的去抖动效果,提高了乘客的准确检测与稳定追踪,公交车内乘客人数统计准确率保持在80%以上,均能满足公交线路规划、排班以及调度等的实际需求。