杨波 吴宗蔚 朱剑林 李航高

（中南民族大学计算机科学学院 湖北省武汉市 430074）

1 引言

随着经济的快速发展，城镇人口的增长，公共场合行人安全的管理和监测如果只靠人力监控将会越来越难，成本越来越高。所以为了应对这种状况，行人检测技术应运而生[1]。行人检测技术，是应用计算机视觉技术以及图像处理的方法，对图像或视频中的行人进行识别和定位。

近年行人识别、辨别、检测的算法和技术层出不穷，其中有由Redmon等人研究发表的YOLOv3[2]算法可以用于行人识别，这个算法用于行人检测的优点是计算速度快，缺点是对图像中的大物体识别效果差[3]。Papgeorgious等人使用小波特征结合SVM进行行人检测[4]，这个技术的优点是可以应对较为复杂的情景，缺点是不擅长描述行人形状。

本文采用HOG算法提取特征后用SVM处理数据得到检测行人模型，这个模型在样本少的情况下进行学习训练检测的效果比较准确且实现比较简单，在很短的训练周期中就可以得到较好的实现效果。

2 数据源与数据处理

进行行人检测的模型训练，需要收集正样本和负样本。其中正样本指的是含有检测目标的图片，也就是含有行人的图像文件；另一种负样本是不含检测目标的图片也就是不含行人的图像文件，本文中的训练样本取自INRIA静态图行人检测数据库。训练样本占总样本70%，测试样本占总样本的30%。训练使用的两类样本部分如图1和图2所示。

图1：训练用正样本示例

图2：训练用负样本示例