当我们在讨论研究方向的时候，我们就在考虑我们的学习生活中有哪些还不够方便，或者能更方便的地方。我们发现教室的相关情况信息包括人数，在上什么课，将会有什么课，会有什么活动都是封闭的，同学们往往需要打开门看看里面有没有课，或者有多少人在上自习。想要用教室组织活动的时候，往往也是要在黑板上写占用教室相关的信息。这种流程是可以更简单的，并且教室的资源应可视化，并依此合理调度管理。
从算法的角度来看，传统人数统计算法的一般过程是：首先采用合适的方法如帧差法、背景减除等进行运动目标提取，然后利用时空关系、帧间关系等进行运动目标的跟踪，最后通过某些判断方法统计出人数。在这个过程中，最重要的步骤是目标识别和目标跟踪，其中目标识别的效果直接影响运动目标选择的准确性，目标跟踪的效果则是影响最终跟踪计数的准确度。目前已有的算法能够取得不错的人数统计效果，但是不论是在实时性还是准确度上都存在一定程度的限制和不足，仍然存在改进和优化的可能，这也是本课题研究意义所在。
同时，从应用方式的角度来看，人数统计系统的视频获取部分一般由红外摄像头组成，而且为了在高度一定的时候扩大可视区域摄像头常常会带有广角镜头。但是在实际的应用当中，人数统计系统的方案经常会遇到一些复杂的情形与问题：如果摄像头采取轴线垂直向下的方式安装，系统能够避免运动目标相互重叠和遮挡，并且重点针对人头部分进行处理，避免人体其余部分的干扰。
教室的人数实时统计对于校风强化及辅助教师了解课堂状况等有重要意义。为了解决教室学生人数自动统计困难且不能实时的问题,根据人脸检测原理,参考卷积神经网络目标检测框架提出了一种专用的单一检测架构和适用于该架构的尺度分配策略,解决了教室中的人数自动统计困难。使用特定的数据集进行验证,实现了先进的检测结果,最终得到98%的统计准确率。
