徐 辉，李海翔，唐世轩，刘威龙，王雨晨

（1.内蒙古智能煤炭有限责任公司，内蒙古鄂尔多斯 017100；2.中国矿业大学信息与控制工程学院，江苏徐州 221116）

0 引言

行人检测是一项综合技术，涉及人工智能、模式识别和图像处理等多个领域，可应用于驾驶辅助系统、视频监控、智能交通等［1］。随着煤矿机械化、自动化程度的提高，信息化和智能化成为安全高效绿色现代化煤矿的发展方向，其中煤矿井机器人是减少煤矿井下作业人员的有效措施［2-3］。在矿井危险区域机器人的巡检中，为避免在工作面里行进中的人员与机器设备危险接近造成生产事故，基于图像的可视化行人检测成为要解决的关键问题。

由于图像和视频中的环境条件是多样的，从不同角度拍摄到的行人姿态也会发生变化，且图像或视频中的行人行为动作各异，具有多样性等特点，目前在各类应用中对行人进行检测与识别的准确性仍有一定的提升空间［4］。

行人检测算法若按照算法实现原理进行区分，大致可分为两大类：基于运动检测的行人检测算法和基于机器学习的行人检测算法［5］。其中基于机器学习的行人检测算法是目前行人检测算法的主流研究方向。2005 年，在著名的学术会议CVPR 上，Dalal 等［6］提出了基于提取图像的方向梯度直方图（Histogram of Oriented Gradients，HOG）特征，并使用支持向量机（Support Vector Machine，SVM）分类器进行分类识别的行人检测算法；之后，便有学者参考了Viola 等［7］提出的VJ（Viola-Jones，VJ）人脸检测器的设计思想，提出了将HOG 特征与自适应增强（Adaboost）分类器进行结合的行人检测算法，以提高算法运行速度；……