郭 烈， 张明恒， 李琳辉， 赵一兵

（1.大连理工大学工业装备结构分析国家重点实验室，辽宁大连116024；2.大连理工大学汽车工程学院，辽宁大连116024）

0 引 言

作为一项汽车主动安全技术，行人检测系统能及时为驾驶员提供预防碰撞行人的警示信息，保障行人和驾驶员的安全.目前，越来越多的单位和机构开始行人检测技术的研究，如欧盟的PROTECTOR计划和SAVE－U计划，均采用多传感器信息融合来保护行人或骑自行车人等弱势交通参与者；法国的PAROTO项目融合雷达和红外图像来探测车辆前方的行人或车辆等障碍物，并对其进行运动分析［1、2］.国外大学如Parma、CMU、MIT和国内的西安交通大学、清华大学、吉林大学以及中国科学院自动化研究所等也在该领域开展了相关研究［3、4］.

目前，行人识别主要依据行人的周期性运动特性或者行人的形状特征.通常，人体在行走时，其步态会呈现周期性特性，结合图像序列进行分析，可确定其是否为运动的行人.如Heisele等［5］用时滞神经网络的聚类算法分析行人脚部的周期性运动模式来识别行人.但是，该方法只对运动的行人有效，并需要多帧图像序列才能得出结果，导致响应时间滞后.基于行人形状特征的方法主要是采用统计学习的方法来分析候选区域，判断其是否为行人.这种方法对车辆前方静止和运动的行人均有效，但人形状的多样性，导致其对假目标比较敏感，因此，需要提取有效的特征进行训练和分类器设计［6］.

本文综合行人的形态特征以及AdaBoost算法简单、实时性好的特点，首先利用AdaBoost算法训练得到的级联分类器快速获得图像中可能存在行人的候选区域；……