1、隨著科技水平的不斷發(fā)展，智能交通技術(shù)愈加完善，其應(yīng)用場(chǎng)景及需求量不斷擴(kuò)大。相較于傳統(tǒng)的智能交通系統(tǒng)，新一代智能交通系統(tǒng)無論在硬件基礎(chǔ)上還是在軟件算法上都日趨完善，已經(jīng)具備實(shí)時(shí)性、及時(shí)性、高準(zhǔn)確性、低誤報(bào)率等優(yōu)質(zhì)性能。新一代智能交通系統(tǒng)通過對(duì)路況進(jìn)行全天候、無間斷監(jiān)測(cè)，同時(shí)對(duì)實(shí)時(shí)獲取的監(jiān)測(cè)數(shù)據(jù)通過計(jì)算機(jī)技術(shù)進(jìn)行高效計(jì)算處理，以此作為依據(jù)實(shí)現(xiàn)道路交通智能化。行人檢測(cè)模塊作為智能交通系統(tǒng)中重要的組成部分已經(jīng)成為國(guó)內(nèi)外學(xué)者研究的核心課題，在科研

2、領(lǐng)域及工程應(yīng)用方面均具有廣泛的發(fā)展前景。
　　本文針對(duì)智能交通系統(tǒng)中的行人檢測(cè)部分深入研究，通過對(duì)高清攝像機(jī)拍攝的行人圖像進(jìn)行實(shí)驗(yàn)分析。與當(dāng)前流行的行人檢測(cè)算法進(jìn)行實(shí)驗(yàn)對(duì)比進(jìn)而深入分析本文提出的改進(jìn)算法。在行人檢測(cè)領(lǐng)域中，檢測(cè)算法方面的工作內(nèi)容主要集中在以下三個(gè)方面:一，通過圖像濾波、形態(tài)學(xué)處理等相關(guān)圖像處理技術(shù)，對(duì)視頻圖像序列進(jìn)行優(yōu)化處理，在保留圖像有效信息的基礎(chǔ)上盡量減少冗余信息的干擾;二，特征集的選取，本文區(qū)別于傳統(tǒng)特征集的

3、選取，將單一的梯度方向直方圖(Histogram of Oriented Gradient，HOG)特征與局部二值(Local Binary Patterns，LBP)特征利用統(tǒng)計(jì)直方圖級(jí)聯(lián)進(jìn)行特征融合，以獲取更深刻更全面的圖像信息;三，在訓(xùn)練分類器的部分，改變傳統(tǒng)的訓(xùn)練方式即利用線性支持向量機(jī)(Support Vector Machine，SVM)訓(xùn)練分類器，采用截取后的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Netw