1.一种基于轨迹分析的人数统计方法，其特征在于，包括以下步骤：

步骤一：在包含人体目标的通道中架设RGB-D相机，对相机进行标定，计算相机的参数矩阵，通道包括A方向和B方向，二者方向相反；

步骤二：利用相机对通道进行连续拍摄，获取N幅深度图；求取每幅深度图的俯视图；利用求取的所有俯视图求取背景图Ib；

步骤三：利用相机对通道进行拍摄，获取某一时刻m的深度图；针对该幅深度图获取其对应的俯视图；针对俯视图进行去背景操作得到前景图片，针对前景图片进行分块操作得到分块后的图片，针对分块后的图片进行寻找局部最大区域操作得到局部最大区域集合，针对局部最大区域集合进行扩展局部最大区域操作得到扩展后的局部最大区域集合，针对扩展后的局部最大区域集合进行过滤矩形框处理，得到包含有多个元素的一个矩形框集合SFm；

步骤四：若步骤三得到的为初始时刻的矩形框集合SF1，则利用初始时刻的矩形框集合SF1生成多条轨迹，多条轨迹形成一个轨迹集合T1；若步骤三得到的为非初始时刻m的矩形框集合SFm，则利用该非初始时刻的矩形框集合SFm对前一时刻m-1已经形成的轨迹集合进行更新，得到更新后的轨迹集合T1m；

步骤五：若轨迹集合Tm或者更新后的轨迹集合T1m中的某条轨迹连续多次未被更新，则对该轨迹进行标记，并将该轨迹由轨迹集合Tm或者更新后的轨迹集合T1m内删除，得到新的轨迹集合T2m；

步骤六：在步骤五得到的轨迹集合T2m中选择轨迹作为样本，形成集合Tsm，若样本数达到设定值，则执行步骤七，否则，执行步骤三；

步骤七：针对集合Tsm中的每条轨迹，提取轨迹的属性，并记录每条轨迹对应的标记值L和该轨迹对应的多个属性，每条轨迹对应的标记值L和该轨迹对应的多个属性形成一个集合Dl；

步骤八：利用步骤七得到的集合Dl训练得到分类器；

步骤九：重复步骤三至步骤五的过程，在此过程中，将由于连续多次未更新而从轨迹集合Tm中删除的每条轨迹，提取该条轨迹的属性，该条轨迹的属性包括轨迹的起点的Y值F9和轨迹的终点的Y值F10；将该条轨迹的属性输入到步骤八得到的分类器中，分类器自动输出该条轨迹对应的标记值L，如果L＝1,则该轨迹为正样本，若满足F9-F10>0则通道在A方向上的人数加1，若满足F9-F10<0则通道在B方向的人数加1；若L＝-1，则此轨迹不作为人数统计的轨迹；

步骤十：重复步骤九，直至相机停止拍摄，获得通道在A方向上的人数统计结果和通道在B方向上的人数统计结果。

2.如权利要求1所述的基于轨迹分析的人数统计方法，其特征在于，步骤二中的求取每幅深度图的俯视图，采用的公式均如下：len＝m*r

其中， 为相机的外参矩阵，p11,p12,p13,p14,p21,p22,p23,p24,p31,p32,p33,p34对应相机外参矩阵中的元素,θ为深度图上经过P(xp,yp,zp)点的对应射线与地平面的夹角；G(xG,yG,0)为过P点的斜线与地平面的交点；HC为相机高度；m为P点在深度图中的深度值，且0

利用以下公式得到俯视图I：

其中，(rx,ry)为对点(xp,yp)的缩放系数，(dx,dy)为对点(xp,yp)的平移系数,(u,v)表示深度图上的点P对应的俯视图I中的像素点，I(u,v)表示俯视图I像素点(u,v)处的像素值；

针对深度图中的每一个点，得到该点对应的俯视图中的像素点和该像素点处的像素值，所有的像素点形成俯视图I。

3.如权利要求2所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤三中的针对俯视图进行去背景操作得到前景图片，采用的公式如下：其中，δF为用户设定的用于提取前景的阈值，IF(u,v)表示前景图片IF中像素点(u,v)处的像素值，Ib(u,v)为背景图Ib在像素点(u,v)位置处的像素值，I(u,v)表示俯视图I像素点(u,v)处的像素值。

4.如权利要求3所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤三中的针对前景图片进行分块操作得到分块后的图片，采用的公式如下：其中，IB为针对前景图片进行分块后的图片，IF(u,v)为前景图片IF坐标为(u,v)的像素值，IB(x,y)为图片IB在像素点(x,y)位置处的像素值，划定的块的大小为wb×wb。

5.如权利要求4所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤三中的针对分块后的图片进行寻找局部最大区域操作得到局部最大区域集合，具体包括以下步骤：针对图片IB上的像素点(x,y)，查找该像素点周围的的八个像素点，如果该像素点对应的像素值比八个像素点对应的像素值都要大，将该像素点放入局部最大区域集合SL中，利用SL(i)表示SL的成员，且SL(i)＝(ui,vi,di)，(ui,vi)表示该像素点，di为像素点(ui,vi)在图片IB中的像素值。

6.如权利要求5所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤三中的针对局部最大区域集合进行扩展局部最大区域操作得到扩展后的局部最大区域集合，具体包括以下步骤：针对局部最大区域集合SL的每个元素SL(i)，寻找SL(i)在前景图片IF中对应的像素位置，采用的公式为：其中，(xi,yi)是SL(i)对应于前景图片IF中的位置；令SS(i)＝(xi,yi,zi)，得到集合SS，SS(i)为集合SS的元素；

针对SS中的每个成员SS(i)＝(xi,yi,zi)，以SS(i)为种子，利用种子填充法，向外扩展，扩展的条件为：若|IF(xi,yi)-zi|≤δE，IF(xi,yi)表示在前景图片IF中坐标(xi,yi)对应的像素值，则使用一个矩形框SE(i)＝(ui,vi,Hi,Wi,zi)框选中所有满足条件的像素点，其中(ui,vi)为矩形框左上角点，(Hi,Wi)为矩形框的高和宽，zi为矩形框的空间高度，δE为规定的阈值，形成一个扩展后区域的集合SE，SE(i)为集合SE的元素。

7.如权利要求6所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤三中的针对扩展后的局部最大区域集合进行过滤矩形框处理，得到包含有多个元素的矩形框集合，包括以下步骤：采用两个过滤条件对集合SE中的元素进行过滤：

(1)若元素SE(i)符合以下条件： 则将该元素删除，其中δH为最小高度阈值，δW为最小宽度阈值；

(2)若两个矩形框SE(i)＝(ui,vi,Hi,Wi,zi)和SE(j)＝(uj,vj,Hj,Wj,zj)，满足则判定SE(i)和SE(j)重合，如果重合，则保留zi和zj中较大的矩形框；

将保留下的矩形框形成矩形框集合SFm，矩形框集合SFm中的元素为SFm(i)，其中，m表示时刻。

8.如权利要求1所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤四中的步骤三得到的为初始时刻的矩形框集合，则利用初始时刻的矩形框集合生成多条轨迹，多条轨迹形成一个轨迹集合；若步骤三得到的为非初始时刻的矩形框集合，则利用该非初始时刻的矩形框集合对前一时刻已经形成的轨迹集合进行更新，得到更新后的轨迹集合；具体包括以下步骤：若步骤三得到的矩形框集合SFm中的m等于1，则以矩形框集合SFm中的每个矩形框SFm(i)为起点，分别创建新轨迹Tm(i)，即Tm(i)＝{SFm(i)}，轨迹Tm(i)作为轨迹集合Tm中的一个元素，即(i)Tm＝{Tm |i＝1,…,NTm}，其中，NTm为m时刻的矩形框集合SFm形成的轨迹的个数；

若步骤三得到的矩形框集合SFm的m不等于1，则将矩形框集合SFm中的每一个元素SFm(i)与m-1时刻的矩形框集合SF(m-1)已经形成的轨迹集合Tm-1＝{Tm-1(i)}中的每一个轨迹分别进行匹配，具体匹配方法如下：记元素SFm(i)中心点为 其中 分别为中心点的横坐标和

纵坐标， 为坐标 处的像素值；轨迹Tm-1(i)的最后一个矩形框的中心点

为(xm-1,ym-1,IF(xm-1,ym-1))；

若

其中，δmatch为两个匹配矩形框的最大阈值，则矩形框SFm(i)与轨迹Tm-1(i)匹配，若轨迹Tm-1(i)未与矩形框集合SFm中的其他矩形框匹配，则将矩形框SFm(i)加入到轨迹Tm-1(i)中，若轨迹Tm-1(i)已经与矩形框集合SFm中的另外一个矩形框SFm(j)相匹配，SFm(j)的中心点为则进行如下判断：若

则将矩形框SFm(j)由轨迹Tm-1(i)移除，将矩形框SFm(i)加入到轨迹Tm-1(i)中；若不满足上述条件，则矩形框SFm(j)保留在轨迹Tm-1(i)中；

上述过程中，矩形框集合SFm中的所有元素SFm(i)在经过上述匹配后，若存在未与任意一条轨迹匹配的矩形框，则生成一条新的轨迹，将该矩形框作为新轨迹的第一个点，并将生成的轨迹加入至已经形成的轨迹集合中，得到m时刻更新后的轨迹集合T1m。

9.如权利要求1所述的基于轨迹分析的人数统计方法，其特征在于，所述步骤七中的轨迹的属性包括轨迹点数记为特征变量F1，轨迹在Y方向上的跨度记为特征变量F2，轨迹在Z方向上的跨度记为特征变量F3，轨迹的平均人头大小记为特征变量F4，轨迹与拟合标准轨迹之间的欧式距离记为特征向量F5，轨迹的斜率记为特征变量F6，轨迹上锁定区域的平均宽度记为记为特征向量F7，轨迹上锁定区域的平均长度记为特征向量F8，轨迹的起点Y值记为特征向量F9，轨迹的终点Y值记为特征向量F10。