石志强，赵向东，李文军，张 挺

（航天科工集团第二研究院 207所，北京 100854）

计算机视觉处理是计算机人工智能的一个重要研究方向，它的最终目标是通过计算机模拟人类视觉，实现对现实场景的理解和推理。其中，对于输入场景通过计算机实现目标的自动识别分类，即目标识别，是实现计算机视觉的一个基础部分，也是目前的一个研究热点。比较成功的商业化应用实例是人脸识别系统，它是通过计算机对人脸的智能识别，实现对不同人身份的确认。在人体识别方面，由于人体自身姿态、衣着的多样性以及人体外观变化大，目前尚没有较为成熟的算法。

目前，人体识别主要有基于多模板匹配[1]、基于边缘轮廓特征[2]和基于运动特征[3]等各种方法。然而，从实际效果来看，目前最好的是DALAL N和TRIGGS B提出的基于HOG特征的人体检测方法[4]。DALAL N等人通过使用16×16大小的块在检测窗口中滑动，然后按一定方式统计块中的梯度向量直方图，将各个块的梯度向量直方图串联，组成特征向量，最终利用SVM对获取的特征向量进行训练，获取分类器。按照该方法，如果选择检测窗口大小是 128×64，block 大小为 16×16，cell大小为4×4，bin分为 9个方向，每次 block移动 8，那么获得的向量大小为3 780维，检测效果虽然理想，但是耗时，难以达到实时性的要求。

本文通过对基于HOG特征的人体检测算法进行分析，提出了一种基于感兴趣区域进行HOG提取的算法。该算法在适当影响检测效果的条件下，能够较好地减少计算量，达到提高计算速度的目的。……