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，不僅需要對公交車上可疑的乘客和事件進(jìn)行檢測及跟蹤，提取有用信息（如乘客的運(yùn)動軌跡）報告給監(jiān)控人員進(jìn)行處理，還需要實(shí)時統(tǒng)計(jì)客流量，方便管理人員及時發(fā)揮調(diào)度作用，合理配置資源。因此，基于車載視頻監(jiān)控的乘客檢測及跟蹤方法成為計(jì)算機(jī)視覺和模式識別領(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)動過程中尺度變化的問題；系統(tǒng)實(shí)時性要求。

　　針對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及跟蹤算法。首先對待檢測圖像進(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，對前景圖像進(jìn)行掃描實(shí)現(xiàn)乘客目標(biāo)檢測；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%的檢測率和跟蹤率，且滿足系統(tǒng)實(shí)時性的要求，可用于客流計(jì)數(shù)。