和位置，对运动目标的位置进行跟踪处理得到运动目标的运动轨迹；对所述运动轨迹进行判断处理，得到运动目标的运动状态。
[0057]本实施例中跟踪处理采用Mean shift算法，即利用mean shift算法实现连续中贞中的对应运动目标的关联，关联的目的在于获得运动目标的运动参数(轨迹、方向以及速度)，此处跟踪处理也可以采用模板匹配方法。
[0058]本实施例的判断处理中，请参阅图9所示，通过对运动目标在室内、出入口、室外这三个区域中的运动参数判断得到运动目标的运动状态为出或入或徘徊。判断分为四种情况:情况一:如果运动目标的轨迹是由室内到出入口再到室外，则判断运动目标为出；情况二:如果运动目标的轨迹是由室外到出入口再到室内，则判断运动目标为入；情况三:如果运动目标的轨迹是由室内到出入口再到室内，则判断运动目标为徘徊；情况四:如果运动目标的轨迹是由室外到出入口再到室外，则判断运动目标为徘徊。
[0059]上述的流量记录统计模块5，记录并统计上述步骤的数据，将上述步骤产生的数据记录在该模块中，以备后期调用，所述统计可以有以下几种统计内容:
[0060]Nin_廳=Nin_old+Nin_now............式 2
[0061]式2中Nin_nOT表示系统运行至当前帧时运动目标为入的总数，Nil^ld表示系统运行至上一帧时运动目标为入的总数，Nin_now表示当前帧判断得出运动目标为入的总数。
[0062]Nout_new = Nout_old+Nout_now............式 3
[0063]式3中Nwt_nOT表示系统运行至当前帧时运动目标为出的总数，Nout_old表示系统运行至上一帧时运动目标为出的总数，Nout_now表示当前帧判断得出运动目标为出的总数。
[0064]NTotal_new = NTotal_old+NIn_N0ut............式 4
[0065]式4中NT()tal_new表不该系统时间室内运动目标总数；乂。1￡11_。1(1表不上一系统时间室内运动目标总数；Nin表示上一系统时间与该系统时间间隔内进入的运动目标数量；Ν_表不上一系统时间与该系统时间间隔内走出的运动目标数量。
[0066]根据实际需要，在运动目标检测结果的基础上可以统计不同的内容。
[0067]本发明基于深度测距的运动目标检测系统，另一较佳实施例与上述实施方式类似，不同之处在于位于出入口垂直于人流方向设置有第二摄像设备，该第二摄像设备可以是kinect摄像机。请参阅图4所示，第二摄像设备优选设置于出入口的一侧，该第二摄像设备可以获取通过出入口运动目标的侧面视频信息，更加便于运动目标的识别，也可以根据需要在后期需要时提取查看，当然该第二摄像设备并不限于上述用途。所述第二摄像设备与后续模块通信连接，优选该第二摄像设备通过有线(第二摄像设备自身数据线及延长线)将其获取的运动目标视频信息传输给电子计算机，所述第二摄像设备与三维立体摄像头共同构成模块I。
[0068]下面以检测通过出入口的人为例来说明本发明基于深度测距的运动目标检测方法，但本发明检测的运动目标不限于人，还可以是车辆或物品。
[0069]请参阅图6所示，是本发明基于深度测距的运动目标检测方法的较佳实施例方框示意图。本发明较佳实施例的基于深度测距的运动目标检测方法，包括视频摄取步骤S1、运动目标确定步骤S2、运动目标数量和位置确定步骤S3、运动目标运动状态确定步骤S4、数据记录步骤S5、数据统计步骤S6。
[0070]本实施例中，上述的视频摄取步骤SI，如图1、图2、图3所示，通过悬挂于出入口上方的视频摄取模块I，获取室内、出入口和室外三个区域的视频信息，从出入口上方拍摄可以拍摄到通过出入口人员的头部和肩部视频信息，避免人体相互遮挡的情况，该视频信息包含彩色图像和深度图像。摄取的视频信息传输给后续步骤。
[0071]上述的运动目标确定步骤S2，接收视频摄取步骤SI产生的视频信息，分别对所述视频信息中的彩色图像和深度图像进行前景提取得到包含与运动目标相应运动块的二值图像，所述运动块可以包含一个及一个以上的运动目标，本实施例中所述运动目标表示视频信息中出现的人；对上述前景提取得到的二值图像进行融合处理，得到融合后的二值图像；本实施例中上述两种二值图像中判定为运动块的像素用I表示，判定为背景的像素用O表示；所述两种二值图像中的像素也可以以其他方式表示。
[0072]上述运动目标提取采用ViBe算法，分别从彩色图像和深度图像中提取与运动目标相应运动块，得到二值图像；此处前景提取方法也可以采用背景剪切法、高斯背景建模法、混合高斯背景建模法等。
[0073]上述融合处理优选对前景提取得到的二值图像采用像素级的逻辑“与”处理，方法如式I所示:
[0074]I (X，y) Final = I (x, y) EGB Π I (x, y) Depth...............式 I
[0075]式I中I(x，y)Final表示融合处理后二值图像中坐标(X，y)处的像素值(O或I)；I (X，y)EGB表示彩色图像前景提取的二值图中坐标(x，y)处的像素值(O或1);1 (X，y)Depth表示深度图像前景提取的二值图中坐标(X，y)处的像素值(O或I)。
[0076]由于深度图像的视场比彩色图像的视场小，从深度图像前景提取得到的二值图像的运动块区域比从彩色图像前景提取得到的二值图像的运动块区域小，所以融合处理后二值图像的运动块区域比单独从彩色图像前景提取得到的二值图像的运动块区域小，融合处理后避免了对在视场边缘的运动块处理造成的问题，如处理时可能会遇到数据溢出或矩阵大小不匹配造成意外错误从而导致系统停止运行的问题；此外，融合处理去除了仅出现在彩色图像中的噪声以及仅出现在深度图像中的噪声，使得确定的运动块更加准确。
[0077]上述的运动目标数量和位置确定步骤S3，视频摄取步骤SI产生的深度图像和运动目标确定步骤S2广生的融合后的_■值图像，对所述深度图像中在融合后的_■值图像判定为运动块区域的像素信息，本实施例中像素值为I的像素的像素信息进行梯度下降聚类处理，得到运动目标的数量和位置。
[0078]所述梯度下降聚类处理是按照以下方法进行处理:
[0079]I)请参阅图7所示，是本发明基于深度测距的运动目标检测方法及系统较佳实施方式的选取像素信息的示意图。根据融合后的二值图像中判定为运动块的区域，可以确定深度图像中运动块的区域，即图7中上图所示，在所述深度图像运动块区域内选取一定数量的像素信息，即图7中下图所示，图中黑点即表示选取的像素信息的像素位置，所述像素信息包含像素的像素值与像素位置。
[0080]所述运动块区域通常是不规则的形状，为了处理的方便，如图8所示，可以用能够包含运动块区域的最小外接矩形表示运动块区域，在该矩形区域内选取一定数量的像素信息进行后续处理。
[0081]选取像素信息的数量可以根据运动块区域的大小适当调整，以满足后续处理的需要为准。
[0082]选取像素信息的位置可以随机选取，也可以如图7和图8所示，在所述区域内均匀选取。
[0083]2)在所述区域内对每个选取的像素信息进行梯度下降的迭代处理，所述梯度下降的迭代处理至该矩形区域内深度最小值位置时停止。
[0084]像素信息沿着梯度变化(即深度由大到小变化)最剧烈的方向移动一定的步长，每次迭代之后从一个位置移动一定的步长到达另一个位置，这其中包括了像素位置的变化以及像素值的变化；随着迭代次数的增加，每次移动的步长会减小，即在迭代初期可以提高运算速度，在迭代末期可以提高定位的精度；在所述区域内，当迭代至周围像素的深度都大于该像素的深度，则梯度下降的迭代处理完成。
[0085]因为三维立体摄像机是悬挂于出入口上方的，人从其下方通过时，头部的深度变化最大，三维立体摄像机获得的深度图像中，头部一定是所在区域中深度最小的目标，因此梯度下降的迭代至该区域内深度最小值位置时停止，即确