近年来,随着社会经济水平的不断提高,视频监控设备得到了普及,大量的视频监控系统已经在车站、商场、景区、道路等公共场所广泛使用。图像处理技术的不断进步为视频监控系统智能化提供了技术支撑。教室是学生上自习的主要场所,但经常因其有课或人多使得学生寻找合适的自习室花费大量时间,那么如何高效管理,使其资源得到有效利用,并帮助学生快速有效的寻找没课且人少的教室是一项非常有价值、有意义的研究课题。由于教室内的摄像机安装在教室的斜上方,再加上学生几乎都是坐在座位上的,因此桌椅遮挡了人的躯体,以至于无法获取完整的人体轮廓信息和清晰的人脸五官信息,所以人的头部就成了人数统计难题的突破口。本文利用人头轮廓比较固定的特点,对处于教室场景下的视频监控中的人头检测进行了新的探索和研究。本文着重研究了教室场景视频中的人头检测方法,采用训练人头分类器来对目标进行检测识别。论文的主要内容如下:1、对图像预处理方法以及目标检测方法进行原理介绍和具体实现。运用双边滤波去除噪声,使得图像边缘部分信息保留更加完整,为后续的处理保证好的质量。通过对目前一些比较成熟的人数统计方法进行对比分析,针对教室特有的环境,设计了一种基于教室视频监控的人数统计方法。2、受到SVM算法在行人检测中成功应用的启发,本文提出一种基于人头检测的人数统计方法。该方法结合了改进的Adaboost算法和支持向量机SVM算法。首先运用Adaboost算法训练haar人头检测器,用以检测原始图像中的人头候选区域,为了尽可能的降低漏检率,运用改进的Adaboost算法,在训练过程中对错分的样本做进一步的划分。另外为了提高检测速度,这里采用了级联强分类器的算法来构造分类器。接下来,运用SVM算法训练HOG人头分类器,然后对上一步采集到的人头候选区域做二次筛选,有效的去除大量误检人头,提高了人头检测结果的准确性。3、最后为了进一步提高人数统计结果的准确性,采用了人头大小校验法和座位校验的方法对其人数统计结果进行修正,额外采集空教室的照片,与教室上课时照片进行对比,通过对学生填充与空缺的前后差异进行分析判断进一步提高人数统计的准确度。从而让系统具有良好的实用价值。最终实验结果表明,本文所提出的人数统计方法能够很好的应用于教室场景中,在保证较高准确率的前提条件下,能够实时准确的检测到摄像头范围内多个角度的人头,得出当前教室人数。