张桂宁

(陕西省行政学院，陕西 宝鸡 710068)

0 引言

随着智能监控系统的普及，如何使用计算机代替人工进行监控，以缓解人工压力并提高工作效率，已成为当前研究热点。其中一个非常重要的工作就是从图像或视频中进行目标检测，而行人检测技术就是当前典型代表。目前，行人检测技术已在游戏中的人机交互、机器人导航、智能汽车等领域得到诸多应用。然而，由于行人服饰和姿态的多样性、行人相互遮挡、光线多变、背景复杂等原因，使得提高行人检测精度依旧面临挑战。

为此，研究人员已经将多种特征应用于行人检测技术，包括:Haar 特征、LBP 特征、自适应轮廓特征、形状隐模型以及梯度方向直方图(HOG)等［1-3］。其中，HOG 特征是由文献［4］首次提出，以应对梯度直方图(HG)特征在明暗背景中梯度方向产生变化的情况。由于HOG 特征对图像窗口中的梯度信息进行了充分的描述，并且对小幅旋转和平移变化具有较强的鲁棒性。因此，基于HOG 特征的行人检测算法被广泛研究和改进。如朱向军［5］等人通过大量的实验分析表明:HOG 特征在不同光照条件下对行人具有敏感的识别能力。Paisitkriangkrai S［6］等人详细研究了不同参数的HOG 特征对结果的影响，其结果也显示HOG 特征能够提高行人检测精度。虽然HOG 特征能够改善行人检测算法的性能;然而HOG 特征在行人表达上依然存在缺陷。为此，诸多学者将多特征与HOG 结合，以改善其表达能力。如Wu Jiefa［7］等人证明了对行人的多特征联合表达，比HOG 单特征表达会取得更好的效果，并将Haar 特征和HOG 特征相结合。……