黄洁 邵俊 刘方方等

摘 要：为了有效解决公共场所人流量统计过程中，因行人遮挡、粘连所引发的的在行人识别上的低检测率、高虚警率、实时性不足的缺点，对聚集型B-Haar特征和Edgelet特征协调进行特征提取，设计了双层组合结构行人识别模型，该模型的上层提取候选行人目标，确保较高的检测识别率；下层对候选行人多部位检测然后判断候选目标是否为行人，实现降低虚警概率，保证实时性的目标。

关键词：聚集型B-Haar Edgelet特征 行人识别 贝叶斯原理

引言

在实现公共场所的高峰人流控制、分析安全隐患，实施可靠的人流量统计是必不可少的。在行人识别中，基于视频图像处理的行人识别检测方法因具有低成本、高精确度、应用时安装方便的等优点，而成为研究的热点。现有的行人检测算法主要有：基于背景差分[1]、帧间差分[2]、模板匹配[3]等行人检测方法。

但是该方法在实际应用中，又不可避免的面对以下问题：①应用环境自身因背景、光照、阴影等变化所带来的复杂性；②行人固有特性导致难以辨识。

为此，本文针对行人分类识别模型的效率问题，以多特征的协同检测的模式，循序渐进，先整体后局部的方式结合贝叶斯综合决策原理构建高效的双层组合识别模型。

1双层树状组合分类识别模型

笔者在研究过程中提出了基于多特征协调识别检测，利用双层的组合分类模型（图1），按整体到局部，循序渐近的基本思路，主要包括两层具有一定差异的树状结构，其中，上层是完全二叉树结构，与聚集型B-Haar 特征相结合对候选行人。……