基于视频结构化的应用中，目标在经过跟踪算法后，会得到一个唯一标识和它对应的运动轨迹，利用这两个数据我们可以做一些后续工作：测速（交通类应用场景）、计数（交通类应用场景、安防类应用场景）以及行为检测（交通类应用场景、安防类应用场景）。我会写三篇文章依次介绍这三个主题。
（1）目标跟踪之速度计算
（2）目标跟踪之计数
（3）目标跟踪之行为检测
后面会陆续添加链接。
本篇文章以交通类应用场景为例，介绍车辆断面计数方法。
人工计数方式
设想一个场景，你蹲在地下通道旁边，要统计穿过这条通道最近5分钟的人流量，你实际的做法是什么？目光是停留在一个人身上，从TA进入通道直到离开吗？当然不是，因为这样的话你根本没有那么多双眼睛。正常人会在通道中某个位置想象出来一条虚拟分界线，目光紧盯这条线附近区域即可，有人跨线计数就加一。他们是不会关注这条直线两边稍远区域的目标，因为那里有什么、有多少目标都不会影响最终的计数结果。
如上图，对于A区域和B区域范围内的目标，观察者是不需要考虑的，只有经过黄色虚拟计数线的目标才会纳入计数范畴。在A和B区域出现的目标停留、调头等都不影响最终的计数结果。
自动计数原理
自动计数原理其实跟人工计数一致，计数算法应该同样假设出一条虚拟的分界线，目标穿过这条虚拟的分界线时，总计数加一。前面提到过，目标经过跟踪算法处理后，会得到一个唯一目标标识和对应的运动轨迹坐标点集合，通过这两个数据可以很快判断某个目标是否穿越某条直线。2D平面中判断一个点（X,Y）在一条直线（X1, Y1）（X2, Y2）左侧还是右侧的算法很简单，下面是对应代码：
// check if point at one side of line
bool LeftOfLine(Point p, Point p1, Point p2)
{
if (p1.X == p2.X)
{
return p.X < p1.X;
} if (p1.Y == p2.Y)
{
return p.Y < p1.Y;
} if (p2.X < p1.X)
{
Point tmp = p2;
p2 = p1;
p1 = tmp;
} int ret = (p2.Y - p.Y) * (p2.X - p1.X) - (p2.Y - p1.Y) * (p2.X - p.X);
return ret < 0;
}
上面代码可以判断点P是否在P1和P2组成直线的左侧，如果是返回True，否则返回False。（直线左侧和右侧并不太恰当，在实际使用过程中，如果P1和P2已经确定，该方法返回True代表点在直线的一侧，返回False代表点在直线的另一侧）。目标刚出现时，我们通过以上方法判断它在直线的某一侧（方法返回结果为A），目标在移动过程中，会不断得到新的位置点（轨迹点集合中最新的一点），我们还是通过以上方法来判断目标在直线的某一侧（方法返回结果为B），如果A!=B，说明目标跨越了直线，此时计数应该加一。已经参与计数的目标设置一个Flag，后面不再参与计数逻辑。
下面给出5种情况，说明自动计数逻辑中，目标参与计数和不参与计数的规则：
（1）理想情况下，目标从监控画面底部P1进入时，即可被检测算法检测到，并被跟踪算法跟踪到，之后连续跟踪，直到离开监控区域，从P2处消失。目标跨域虚拟计数线（图中红色虚线），计数生效。
（2）检测算法准确性不高，目标到特定位置P1才被检测到，直到离开监控区域，从P2处消失。目标跨域虚拟计数线，计数生效。
（3）检测算法准确性不高，目标还未跨越虚拟计数线就不能被检测到了。计数不生效。
（4）检测算法准确性不高，或者跟踪算法准确性不高，目标虽然被跟踪到，但是跟踪到的轨迹并不是连续的，并且轨迹刚好在虚拟计数线那里断掉了。计数不生效。
（5）检测算法准确性不高，目标轨迹没有跨域虚拟计数线，这个情况跟（3）一致。
注意，以上举例都是假设目标从监控画面底部进入视野（去向），当目标从监控画面顶部进入视野时（来向），情况类似。
影响自动计数准确性的因素
根据前面的讨论，其实影响自动计数准确性的因素很好归纳：
（1）检测算法准确性。目标如果还未跨越虚拟计数线时，检测算法就检测不到该目标了，那么计数肯定丢失；
（2）跟踪算法准确性。跟踪算法效果不好时，目标轨迹不连续，很可能刚好在虚拟计数线那里断掉；
（3）虚拟计数线的位置。虚拟计数线不能太远，很多检测算法对远处的小目标检测效果不理想；当然也不能太近，我们在计数时，为了过滤错误的检测目标，要求必须保证目标轨迹点的数量要大于某个值，比如目标在跨越计数线时，要求目标轨迹点集合中的点数量大于25（必须被连续跟踪超过1秒，假设FPS为25），如果虚拟计数线太近，目标从监控画面下方进入时并且速度很快，那么它不会被连续跟踪超过1秒。
以上是目标跟踪中关于计数的详细说明，有问题留言私信皆可。