论文总字数：17139字

摘 要

ABSTRACT II

引言 1

第一章 绪论 2

1.1　行人检测研究背景和意义 2

1.2　国内外行人检测技术概述 3

1.3　论文内容安排 4

第二章 行人检测基础技术介绍 5

2.1　行人检测的基本特征 5

2.1.1　Haar特征 5

2.1.2　积分图 5

2.1.3　SIFT特征 5

2.2　HOG特征 6

2.2.1　HOG 特征基本原理 6

2.2.2　标准化gamma空间和颜色空间 7

2.2.3　梯度的计算 7

2.2.4　空间以及方向上的梯度统计 8

2.2.5　块内梯度直方图的归一化 9

2.2.6　最终 HOG 特征的形成 10

2.3　SVM方法 11

2.3.1　支持向量机基本知识 11

2.3.2　SVM 原理 11

2.3.3　核函数 12

2.4　本章小结 13

第三章 基于HOG与SVM的行人检测算法与实现 13

3.1　算法基本思路 13

3.2　SVM分类器训练方法与策略 13

3.3　基于OpenCV的行人检测 15

第四章 实验仿真结果与分析 19

4.1　实验仿真结果 19

4.2 实验仿真结果分析 21

4.3　本章小结 21

第五章 结论与展望 22

5.1　结论 22

5.2　展望 22

致 谢 24

参考文献 25

摘要

随着电子科技技术在行人检测方面的快速发展，行人检测技术被人们应用在生活的各个方面，尤其在安全方面尤为重视，但目前是人工监控，而人工监控存在着多种缺陷。基于监控视频的行人检测技术恰恰可以使人工监控的多种缺陷得到很好的完善及弥补，因为图像中的行人检测算法研究的是如何使计算机可以用人类的思维方式去更好更便捷的从图像或视频中有效的检测出人的技术，所以行人检测是最具价值的研究课题。

这次学习研究根据INRIA数据库中正负样本训练的SVM分类器，然后让检测窗口在目标场景滑动提取计算的HOG特征并送入训练好的SVM分类器中进行识别，从而就可以将目标场景中的行人识别并检测出来。基于HOG特征的行人检测的主要步骤。首先，检测窗口在输入图像上进行逐行滑动，提取计算特征；然后，对检测窗口提取的特征进行分类；最后，对这些检测的结果进行融合得到最终行人检测结果。本次研究主用INRIA图像数据库图。

关键词：行人检测；梯度直方图；支持向量机

ABSTRACT

With the rapid development of electronic technology, the pedestrian detection technology has been applied in all aspects of life, especially in particularly pay attention to safety, but this is a manual monitoring, there are many kinds of defects and artificial monitoring.Pedestrian detection technology based on the monitoring video just can make up for a variety of defects of artificial monitoring, because the monitoring video of pedestrian detection algorithm research is how to make computer can use the human way of thinking to better and more convenient effective from images or video detection technology, so the pedestrian detection is one of the most valuable research topic. 

This paper advocate tone with pedestrian detection method based on the positive and negative samples training database, according to the positive and negative samples in the INRIA database training SVM classifier, and then let the detection window in the target scene sliding and calculation of HOG feature extracting to the trained SVM classifier, which can identify and target in the scene can be pedestrian recognition and detection.The main steps of pedestrian detection based on HOG feature.First of all, the detection of sliding window line by line in the input image, extraction of calculating characteristic;Then, classifying the characteristics of the detection window extraction;Finally, the results of these tests to get the final pedestrian detection results.The study in the Lord with the INRIA image database.

Keywords: pedestrian detection；HOG；SVM

引言

行人检测在智能视频监控，各大服务领域，辅助驾驶，人机交互等领域中有着非常重要的应用作用。随着当今的电子技术的迅猛发展，各种新型电子科学技术不断更新换代，不断有新的行人检测的方法被提出，并在实际的生活被不断的检验和完善。然而，在各种公共场合，智能交通等地方的使用中，大多数还是处于是由相关工作人员进行监控，这样会由于人为的各种原因导致无法处理很多突发事件，不能及时有效，便捷的进行行人检测，这样也会浪费很多人力物力财力。所以行人检测越来越成为研究者们重视的一个热门研究的课题。

行人检测对很对研究者们来说都是计算机视觉领域的一个相当困难问题。我们在进行图像行人检测的过程中，由于行人穿的衣服、光照、皮肤等这些各种不一样的特征，并不能能用一个统一的来实现检测的效果，所以会存在一定的误检率。因而为了减少行人检测的误检率，本文采用的分类方法是——基于支持向量机的行人检测。分别建立有人图像库作为正样本，和没有人图像库作为负样本，搭建支持向量机进行样本训练的所有图像库。整过程是通过HOG特征和SVM分类共同联合搭建的一个分类模型，以便于对有行人图像进行测试，判断有人域和无人的区域。

随着计算机技术的飞速前进，数字图像处理技术^[1]也愈来愈多的得到广泛的应用，行人检测技术也在逐渐的不断完善，行人检测也将会越来越多的被应用在各种公共场所，它将在我们的计算机科学技术的生活中扮演一个不可或缺的重要的角色。

剩余内容已隐藏，请支付后下载全文，论文总字数：17139字