电影院观影人数统计
一、基本知识和背景
? 图像识别和监控相配合，能够帮助使用者获得监控内容的定量信息。通过对所获得的数据的统计分析，就能够得到超出图像本身的价值，并且反馈现实，获得真正的利益。电影院观影人数统计就是这样的一个例子。
二、系统架构和图片分析
基于千兆局域网，由服务器自行采集各监控点数据，获得“准实时”图像。通过图像识别服务对获得的图像进行分析，得出当前的观影人数，输入数据库得到记录。
初步观察目前监控的视频图像
这幅图像是电影院的监控图像。由于电影院的需求，摄像机倾斜放置等原因，图像中后面的座位拍摄的都不是很清楚；图像整体光晕的现象比较严重，近景有大的光斑，光线的突然变化是存在的。但是，由于摄像机是固定安装，背景比较固定，且坐在座位上的人还是比较明显的。
如果有可能，选择更好的摄像机，获得更佳的图像清晰度；调整摄像机角度，获得正向的图片输入；加载滤光片，对高曝光部分进行过滤，都能够明显地提高图像识别的效率。
三、算法选择和实现
1）基于此静态灰度图片，对人数的统计可以考虑人脸识别算法。结果如下：
实验效果很不理想。因为在这种目前人脸识别是根据肤色或面部特征来进行识别的。二在这样的图片中，肤色无从谈起，面部细节也非常模糊。所以这种思路不成立。
2）对原始图像进行增强，而后进行投影分析
对原始图像进行高斯混合，去除不连贯区域，得到如下效果：
而后阈值分析得到结果如下
其中可以作为抓手的区域就是连续重复出现的”把手“，而在把手中间出现的，就可能是
人的信息。但是这种方法结果可能会比较不稳定，而且需要考虑的因素比较多。
3）视频的信息往往要比图片的信息丰富的多。一方面，你可以考虑统计进入电影院门口的人的数量，一方面你可以统计观影的人的数量。特别是对于这种固定摄像头的视频流信息，可以考虑首先采用背景去除算法（background reduce)算法，得到变换的前景信息。而后对这类信息进行处理分析，获得所需要的部分。
由于目前没有电影院中完全没有人的视频，所以仅仅是做下演示，这里的演示是以前一帧的图像作为背景的，可以检查出运动的物体，比如进出的人：
当没有人运动物体时可以得到判断
有人的区域可以得到初步的判断
下一步就是需要做对识别出来的区域进行形态变换，判断当前图像中实际有几个人。以及选用更好的设备，安排更详细的图像获取流程，得到较好的效果。但是这个思路应该是没有问题的。
相比较而言，方法3利用了”固定摄像头“和”视频流“这两个条件，能够最大限度地获取有价值的信息，最有可能解决这个问题，达到需求的要求。