图像人数统计属于模式识别学科研究范围,是指利用计算机或其他计算设备来统计某场景中静态图像或动态视频中的人数。现阶段有关静态图像的人数统计研究相对较少。本文以某学校教室监控系统采集的图像为研究对象,提出了基于机器学习图像分类技术的静态图像人数统计算法。首先,介绍了经典图像特征提取及其分类算法。图像特征是在图像处理技术中用来描述检测目标特征的算法。本文主要介绍了 HOG和Haar两种特征提取算法。分类是一种有监督学习方式,通过对类别标签已经明确指定数据进行训练,获得分类模型参数,进而可对未知类别的数据进行识别。在这里,本文主要介绍了支持向量机、贝叶斯和Adaboost三种分类算法。之后,提出了基于背景区域检测的静态图像人数统计算法。该算法以教室图像中的座椅靠背为目标检测区域,通过提取区域图像的HOG特征,设计了朴素贝叶斯分类算法实现座位区域是否有人的判断,并与MATLAB自带SVM分类器进行对比实验。实验表明,本文设计贝叶斯分类器的分类准确率更高。最后,提出了基于前景人头检测的静态图像人数统计算法。该算法采用多尺度滑动窗口法,设计了发色检测,并训练了 Adaboost和SVM级联分类器用于人头目标识别。通过实验,该算法具有实时性更好,准确率更好的优点。实验结果表明,本文在构建5个样本库的基础上提出的基于背景区域和基于前景人头的检测算法,在处理静态图像时均能实现人数统计,并确定人员位置。