[0045]B2、利用基于轮廓标记的分水岭算法对目标进行分割；
[0046]B3、利用基于边界轮廓的目标识别算法对步骤B2中分割得到的目标进行识别；
[0047]B4、利用目标追踪方法对步骤B3中识别得到的目标进行跟踪，并根据目标运动特征进行计数，得到用户上下车数据。
[0048]在步骤BI中，本发明采用帧间差分方法和背景差分方法提取目标运动区域，运算简单，检测效果好，相对于单一的算法，目标区域提取快速准确，背景干扰较少。
[0049]帧间差分方法是指通过帧数的奇偶变化将前后两帧存储在不同的图像结构数据中，然后通过两帧的差分获取差分图像。由于差分的目标在于提取运动区域，差分的效果可以相对降低，因此本发明采用固定阈值的方法获取差分图像。本发明采用帧间差分的目的在于提取目标主要区域，利用帧间差分对背景的不敏感性，剔除背景对目标的干扰，故差分中的阈值选取可以相对较低，这里阈值的选取可以根据不同应用需求来作适应性修改。由于根据帧间差分方法获取差分图像为本领域技术人员常用技术手段，故本发明不做赘述。
[0050]由于公交车辆在不同站点的停靠导致视频拍摄环境是变化的，故本发明还需要对采集的视频进行均值背景法作为初始背景以及当背景提取失败时保证算法得以进行，该方法对连续视频帧的每个像素值进行统计，通过计算统计像素值的平均值作为该点的背景像素值，从而初始背景提取成功。在初始背景提取成功后，需要根据每帧的非前景区域对初始背景进行动态更新。
[0051]本发明利用背景差分方法能基本保证目标检测的完整性，故在此基础上利用帧间差分方法对背景噪声进行消噪处理，通过背景差分和帧间差分的结合，可以避免背景变化和目标提取不完整的缺陷。本发明利用帧间差分方法和背景差分方法提取目标运动区域，具体包括以下分步骤:
[0052]B11、对公交视频数据中当前帧利用帧间差分方法和背景差分方法进行处理，得到帧间差分图像和背景差分图像；
[0053]B12、将帧间差分图像和背景差分图像进行或运算得到或运算图像；
[0054]B13、将帧间差分图像和或运算图像分别进行网格化处理；
[0055]B14、对帧间差分图像中小网格内的非零像素数目进行统计，并通过设定阈值判断小网格内非零像素数目是否小于阈值；若小网格内非零像素数目小于阈值，则判断该小网格为噪声网格；若小网格内非零像素数目大于或等于阈值，则判断该小网格为正常网格；
[0056]B15、将或运算图像中与帧间差分图像中噪声网格位置对应的小网格像素值设置为零，提取得到目标运动区域图像。
[0057]在步骤B2中，为解决目标分割过度的问题，本文首先检测图像像素变化区域较大处，将此区域作为候选目标，对检测轮廓线周边的区域进行生长，从而实现对目标进行分害J。针对高峰期目标之间前后、左右粘连严重的特性，本发明提出了改进的分水岭算法，在传统的分水岭算法基础上，通过轮廓分割的标记，避免了初始区域生长的盲目性，减少了伪目标数量，同时也很好地保留了算法对目标粘连的分割。本发明利用基于轮廓标记的分水岭算法对目标进行分割，具体包括以下分步骤:
[0058]B21、对目标运动区域进行轮廓分割处理；
[0059]B22、对目标进行漫水填充处理；
[0060]B23、对目标运动区域图像进行形态学处理；
[0061 ] B24、提取色块轮廓并记录各候选目标，得到目标分割图像。
[0062]在步骤B21中，本发明对目标运动区域进行轮廓分割处理的目标是为了能够分辨出像素突变，而不是能够提取完整的轮廓，同时也为了减小过多伪目标的影响。因此本发明在利用Canny算法对目标运动区域进行轮廓分割处理时可以采用较高的阈值(30?60)。这里利用Canny算法对目标运动区域进行轮廓分割处理为本领域技术人员常用技术手段，本发明不作赘述。
[0063]在步骤B23中，对目标运动区域图像进行形态学处理包括对图像进行膨胀和腐蚀运算。腐蚀运算是指沿物体边界减小一个或多个像素层的过程，若连接区域中有在“孔”存在，通过腐蚀运算“孔”范围将被扩大。膨胀运算是指将物体边界扩大一层的处理过程。
[0064]在步骤B24中，在提取色块轮廓时，还需要对色块进行筛选，剔除包括较大区域的色块。
[0065]在步骤B3中，本发明利用基于边界轮廓的目标识别算法对分割得到的目标进行识别，具体包括以下分步骤:
[0066]B31、对目标进行筛选，去除不符合目标特征及位置的目标；
[0067]B32、分别对目标进行前后识别和左右识别，得到目标识别结果。
[0068]在步骤B31中，对目标进行筛选的规则包括:去除轮廓长度小于300的目标；去除目标形体区域长、宽大于图像二分之一长、宽的目标；去除目标左顶点与图像左边界或目标右顶点与图像右边界的长度小于图像四分之一宽度的目标。
[0069]在步骤B32中，当目标的竖直方向距离接近图像高度时，本发明利用前后识别方法对目标进行识别，具体为:首先对目标的平均像素值统计；再分析出像素值方差小于10，灰度值接近10的目标；分析目标的位置，按照中线位置将目标划分为前目标和后目标；最后按照中线位置对前目标和后目标进行上下边界确定。
[0070]在对目标进行左右识别时，需要根据目标的前后识别结果进行判断。
[0071]当前后识别结果为I个目标时，对所有候选目标按照顶点的X值进行从小到大的排序，记录最小的X值；然后对所有候选目标按照顶点X值加上对应宽度的值进行从小到大的排序，记录最大的值H ;并标记最小X值和最大H值对应的垂直轴为左右边界；判断左右并排目标数量，通过X值与H值之间的距离来判断，当距离大于阈值1/2图形宽度时左右并排2个目标，否则为I个目标；若判断结果为I个目标，则对目标按照X值、X+宽度值、Y值、Y+高度值进行排序，最小X值为目标的左边界，最大X+宽度值为目标的右边界，最小Y值为目标的上边界，最大Y+高度值为目标的下边界；若判断结果为2个目标，则在两边界的中线附近，寻找离此边界最近的分界线，计算目标的左右顶点与中线的距离值，对距离值从小到大依次判断。首先分析该距离值是左顶点还是右顶点，若为左顶点则将该顶点对应的竖向轴作为右目标的边界，若为右顶点则将该顶点对应的竖向轴作为左目标的边界，循环直至左右目标的边界被判定。到目前为止已确定目标的左右边界，将顶点X值在目标I区域的左右边界之间的候选目标进行Y值和Y值加高度值的排序，最小Y值和最大的Y加高度值为目标I的上下边界，同理对目标2的上下边界进行确定。
[0072]当前后识别结果为2个目标时，对前目标区域内左右目标的边界分析，首先筛选出前目标区域的候选目标，即目标顶点的Y值在Yl和Y2之间的目标，对该区域的目标按照上述左右判定目标边界的方法确定目标；对后目标区域内左右目标的边界分析，与上述方法相同，将目标顶点Y值在Y3和Y4之间的目标确定为后目标区域，然后按照左右判定目标边界的方法确定目标。
[0073]在步骤B4中，本发明针对目标识别区域的特征进行提取，减少了背景以及其它目标的干扰，操作简单，追踪效率高。本发明选取目标识别区域的左顶点作为目标追踪特征点，由于步骤B3保证了目标被识别，故目标追踪的核心在于体现同一目标之间的空间距离变化。由于该点位于目标的轮廓线上，能保证每一目标唯一性，同时也能体现出目标在移动过程中的空间位置变化。本发明利用目标追踪方法对步骤B3中识别得到的目标进行跟踪具体为:
[0074]首先根据步骤B3中识别得到的目标，记录目标的数量N和每一目标的左顶点位置；
[0075]然后在新一帧的目标识别完成后，判断新一帧的目标数量相对于前一帧目标数量是否增加；
[0076]当新一帧