缺口，

您要找的不是人检测，而是运动检测。如果您向我们详细介绍了您要解决的问题/我们将做的更好。无论如何，有许多方法可以进行运动检测，具体取决于要对结果进行的处理。最简单的方法是先进行差分，然后进行阈值处理，而复杂的操作可能是适当的背景建模->前景减法->形态学操作->连通成分分析，然后根据需要进行斑点分析。下载opencv代码并查看示例目录。您可能会看到想要的东西。另外，有一本关于OCV的Oreilly书。

希望这会有所帮助，南德

OpenCV的最新SVN版本包含（未记录）基于HOG的行人检测的实现。它甚至带有预训练的检测器和python包装器。基本用法如下：

from cv import *

storage = CreateMemStorage(0)
img = LoadImage(file)  # or read from camera

found = list(HOGDetectMultiScale(img, storage, win_stride=(8,8),
                padding=(32,32), scale=1.05, group_threshold=2))

因此，您可以只在每帧中运行检测器并直接使用其输出，而不是进行跟踪。

有关实现的信息，请参见src/cvaux/cvhog.cpp ；对于更完整的python示例（请参见OpenCV源代码），请参见samples/python/peopledetect.py 。

显然，这是一项艰巨的任务。您必须研究科学出版物以获得灵感（ Google学术搜索是您的朋友）。这是一篇关于人体检测和追踪的论文： 通过快速均值漂移模式搜索进行人体追踪

这类似于我们在“计算机视觉”课程中所做的一个项目，我现在可以告诉您，这是一个很难解决的问题。

您可以使用前景/背景分割，找到所有斑点，然后确定它们是一个人。问题在于，由于人们倾向于走到一起，彼此走过去等等，它无法很好地工作，所以一个斑点可能很好地由两个人组成，然后您会看到这些斑点在行走时分裂并合并。

您将需要一种在一个斑点中区分多个人的方法。我希望这不是问题，任何人都可以在一个SO帖子中回答。

我的建议是深入研究可用的研究，看看您是否能在其中找到任何东西。考虑到存在可以做到这一点的产品，这个问题并非无法解决：Autoliv有一款产品可以使用汽车上的红外摄像头检测行人，我还看到了其他产品，可以统计进入和退出商店的顾客。