岳鑫

摘  要：行人检测目前是机器视觉领域研究中一个热门技术。文章利用梯度直方图特征和支持向量机对不同场景下的样本图片进行检测。检测结果表明：在真实的应用场景中，该方法可以满足大部分的行人检测需求，但不同的光照、不同的遮挡和不同的样本复杂度对检测结果有一定影响。

关键词：HOG特征;SVM分类器;行人检测

行人检测技术是计算机视觉领域中的一个重要的分支，在智能交通、智能监控、行人行为分析以及智能机器人领域有着广泛的应用，是通过判断图片或视频序列中是否有行人出现，并给出准确位置的一项图像理解技术。行人检测主要分两大类方法[1]分别为基于背景建模的方法[2]和基于统计学习的方法[3]。前者主要利用图像差分的思想，分割出前景，提取其中的运动目标，从而达到目标检测的目的。该方法对背景的要求比较苛刻，在下雨、下雪、背景中树叶的晃动、光线不稳定的场景中该方法的抗干扰能力较差。基于统计学习的方法，首先对目标进行特征提取，然后训练相应的分类器，再通过滑窗技術，把训练好的分类器应用于图像中，检测用户感兴趣的目标[4]。文章使用基于统计学习的方法利用HOG特征和SVM分类器进行行人检测。

1 行人检测原理

1.1 梯度直方图特征描述

梯度直方图特征主要是用来描述图像局部重叠区域的一种描述符，将图像中局部区域像素的梯度方向直方图来做为人体的特征，该特征可以很好的描述出人体的边缘，并且不敏感于光照条件和微小的偏移。……