人群擁擠檢測的核心就是如何準確地檢測出興趣區域內的人數，但是外界條件會加大難度：下雨天、霧霾天氣等。
對於晴天或者陰天來說，可以直接進行人數檢測，根據相機位置進行調整檢測部位，可以是人頭或者上半身等。
對於雨天來說，檢測難度直接加大很多，至少人物檢測已經不可行了，這時候可以解決的辦法就是估計，根據白天或者專門的訓練資料模擬出前景（其他特徵）與人數的非線性關係，比如可以用多項式模擬出前景和人數的關係，當然有一點必須牢記，就是人多到一定程度後出現不同的疊加度，這個就需要單獨考慮了。
當然模型的資料最好是線上模擬的，這樣可能會更準確，這種模擬資料會依賴白天的檢測情況。
白天與夜間其實可以用兩個不同的模型，這樣可以使檢測器更精準，不同時間段還可以對檢測器設定不同的閾值。
人臉識別之人臉檢測
人臉識別分為人臉檢測 人臉預處理 蒐集和學習人臉以及人臉識別四個部分，此部分將人臉檢測。本文基於opencv進行的。在opencv中常用的人臉檢測器有基於lbp的特徵檢測 基於haar的特徵檢測，兩者的區別 前者比後者快好幾倍且不需要許可協議，但很多haar檢測器需要許可協議。基於haar的臉部檢測...
樹莓派之人臉檢測
樹莓派的基礎知識和教程，可參考知乎使用者 張子豪的系列教程。或者直接通過其github 配套食用，效果更佳。其內容包括 以上內容，保證新手使用者能夠基礎使用樹莓派。用樹莓派實現人臉檢測，需要在樹莓派上安裝opencv。在此基礎上通過 python，實現人臉檢測。1.opencv的安裝 安裝教程 親測...
Haar like特徵之人臉檢測
haar特徵人臉檢測的4個步驟 提取人臉的haar like特徵 每個haar like特徵使用類似cart的二分類決策樹判別區域是否為人臉 兩類 人臉 非人臉 每個haar like特徵經過判別訓練得到判別閾值構成多個最優弱分類器 且挑選了最優的haar like特徵 多個弱分類器級聯構成強分類器...