许焕明, 高向东

(1.广东工业大学 机电工程学院，广东 广州510006；2.广东交通职业技术学院，广东 花都510800)

在图像中可靠地进行行人检测和识别具有广泛的应用前景，如智能视频监控、车辆辅助安全驾驶系统和多媒体检索。同时，行人检测是物体检测领域里最具挑战性的一种，因为行人具有非常大的差异，如服装颜色和款式的差异、身材的差异、姿态的差异、光照的差异、视角的差异、阴影的差异、背景的差异、遮挡的差异，另外，行人还有可能拎着各式各样不同的包，如背包、手提包、皮夹子、购物袋等，这些差异都会给行人边缘检测带来困难。

当前的行人检测方法有近千种之多，但主要分为二类。第一类算法[1]根据人体各个组成部分的局部特征分别进行检测，然后利用一定的投票规则将各个组成部分的检测结果进行合并，输出最终检测结果。Mohan等[2]对人体每个部分进行独立训练以获得多个人体部位检测算子，然后将这些算子合并成一个二级分类器；或者是在整个人体中选择一些稀疏特征点作为检测依据。由于头部、躯干、四肢几个人体主要组成部分形态相对固定，特征也比较稳定，因此该类算法能够较好地处理遮挡和姿态变化情况。第二类是基于统计学习的算法，通过特定的特征提取算子，如层级形状模板[3]、Haar小波变换[4]、矩形特征[5]以及梯度方向直方图HOG(Histogram of Oriented Gradient)[6]。这些方法虽然都有成功的应用，但普适性比较差。本文采用图像形态学处理技术，研究行人边缘检测技术，致力于消除行人边缘检测的干扰因子，进而提高行人边缘检测的健壮性和鲁棒性。……