文档介绍：1绪论研究背景在信息高速发展的今天,几乎所有领域都离不开计算机,在满足人们的****惯方式和生活****惯下,让计算机进行很好的通信,是计算机智能的一个必备的条件。其中,计算机智能视觉是其应用的重要方向,它是研究使用各种成像输入设备替换人类视觉器官的领域叫智能视觉,并使用智能设备来替代人们完成识别和分析。让智能设备能够像人类一样观察和理解是人们研究计算机视觉,而且智能设备还能随着环境的变化而做出相应的改变。行人检测是计算机视觉的一个具体表现形式,并应用在以下方面: 智能监控目前,为了防止财产安全和留下有效的证据,大部分的公众场所都装备了摄像监控设备。但是,这些监控设备大部分还是有专人进行的查看的,这会导致以下问题的出现, 一方面长时间的监控,监控人员很可能出现疲惫,可能导致某些重要信息的遗漏,另一方面不能充分的把监控信息利用起来。然而人工的不足可以利用行人检测相关技术很好的解决,这样不仅可以减少各种资源的投入,又可以让监控的精确度得到很好的改善, 当遇到紧急情况有可以及时预警。车辆辅助系统随着社会的发展,人民的经济水平不断提高,汽车逐渐走入了千家万户,然而汽车数量的急剧增长也导致了频繁的交通事故,无情的夺去了人们的生命财产安全。如果我们将行人检测系统加入到汽车控制系统中,这样在行驶过程中车辆附近的人们可以被识别出来,极大了避免的交通事故的发生。这样不仅可以有效的降低交通事故,而且这也可以带来汽车行业的革命式变化。实际上,现在有许多公司已经研制出了无人驾驶的汽车,这些车的使用都需要行人检测技术,当然现在的能智能还没进入市场,目前还在试验当中。高级人机接口在21 世纪,计算机技术得到了迅猛发展,并且愈加趋于智能化的特点,极大地改变了我们的生活方式。我们不仅要求计算机能够快速准确的接收到外界输入的信息,而且能够高效地对信息进行处理并得到最合适的输出信息,作出的相应的反应。人脸识别技术和物体检测技术的发展,可以很好的帮助计算机去获取和处理外界的信息。这不仅需要良好的智能设备,同时也需要行人检测技术去协助完成。研究现状行人检测在汽车领域具有很大的应用前景,近年来是模式识别领域研究的热点课题方向之一。并且国内外也有了很多了研究成果,如由本田公司研发的基于红外摄像机的行人检测系统[1]; CMU [2]、 MI T [3] 等国外的大学在这方面取得了很大的进步,清华大学[4]等也进行了相关方面的研究。行人检测技术实际上为图像处理技术的分支,其核心思想就是利用计算机视觉技术和数字图像处理技术,去分析监控设备获取的信息,分析处理行人的行为。行人检测的成功开发具有很大的应用前景,可以在各个领域得到发展。而且由于检测的行人外形不同,加上周围的复杂混乱的环境,给行人检测系统的运行带来了很大的挑战。早期的行人检测以静态图像处理中的分割、边缘提取、运动检测等方法为主。例如: (1)以 Gavrila 为代表的全局模板方法[5]; (2)以 Broggi 为代表的局部模板方法[6]; (3)以 Lipton 为代表的光流检测方法[7]; (4)以 Heisele 为代表的运动检测方法[8]; (5)以 Wohler 为代表的神经网络方法[9]; 但是这些方法的检测速度很慢,而且普遍存在着误报、漏检率高的特点。行人检测的现状:大体可以分为两类:(1)基于背景建模的方法:分割出前景,提取运动目标,在进一步提取特征,分类判别。然而这个方法构建了很复杂的模型,因此系统很容易受到干扰。(2)基于统计学****的方法:根据大量训练样本来构建行人检测分类器,提取样本的特征,一般分类器包括 SVM [10] , AdaBoost [11] 。目前, 基于学****的行人检测方法得到了很大的发展,如基于 AdaBoost 、基于 SVM 、基于 HOG 等行人检测方法。首先,这些方法都是学****正样本和负样本的变化,再根据大量的训练样本对不同的特征进行分类,因此,基于统计学****的方法有广泛的适用性。在行人检测系统中, 目标识别和 ROIs 分割是两个重要的部分。目标识别依据监测信息的不同分为基于形状的方法和基于运动的方法。 ROIs 分割可分为基于运动、基于距离、基于图像特征和基于摄像机参数四种方法。在具体操作中,一般将这四种方法综合起来使用,能取得更好的结果。研究难点目前行人检测技术面临着如下的技术难点: (a)每个人都有各自的姿态,着装各异; (b)特征空间的待提取的特征分布不集中; (c)受训练的样本变化大,造成系统分类效果的好坏; (d)受训练的样本很难包含各种复杂的真实环境; 现在的行人检测技术正处于发展的关键时期,已经取得了一些可喜的进步,但许多难点问题急待解决。在一些环境背景良好的情况下,行人检测算法检测效果很好,但是实际中很多环境是很复杂的,检测的效果并不能