1、行人檢測是計(jì)算機(jī)視覺中的一個(gè)熱點(diǎn)問題，在機(jī)器人學(xué)、無人駕駛、虛擬現(xiàn)實(shí)技術(shù)以及一些軍事領(lǐng)域都有廣泛的應(yīng)用前景。同時(shí)，作為新崛起的機(jī)動(dòng)車大國，我國每年都會(huì)發(fā)生許多的交通事故，并造成大量的人員傷亡和財(cái)產(chǎn)損失。而在交通事故中行人最易受傷害，因此對行人進(jìn)行檢測在智能交通的實(shí)現(xiàn)中具有重要意義。
　　現(xiàn)實(shí)條件下，行人檢測因?yàn)樾腥说姆莿傂?、多樣性，背景的?fù)雜性等因素研究難度較高。本文在已有算法的基礎(chǔ)上，提出了多種特征融合的行人檢測算法。首先，利用

2、基于顏色分割和邊緣對稱性分割算法提取感興趣區(qū)域。顏色分割能快速識(shí)別出圖中人體膚色區(qū)域，但若行人沒有裸露的皮膚或背景顏色與皮膚過于接近，則顏色分割算法將不太可靠，這時(shí)基于邊緣對稱性的分割算法可以彌補(bǔ)顏色分割算法的不足。然后要對感興趣區(qū)域進(jìn)行行人檢測，本文采取了基于滑動(dòng)窗口的方法，用HOG-PCA+CENTRIST檢測行人整體、Haar與積分圖相結(jié)合檢測人頭，這是因?yàn)镠OG具有良好的檢測特性但是維數(shù)過高且對彎曲敏感，故采用PCA進(jìn)行降維處理

3、，CENTRIST計(jì)算速度快，且能反映目標(biāo)整體輪廓信息，兩者算法具有互補(bǔ)性。在檢測出行人的滑動(dòng)窗口中，再用Haar檢測人頭，采用積分圖技術(shù)加速計(jì)算。為了檢測各個(gè)尺寸大小的行人，本文基于SVM、AdaBoost為3種特征分別訓(xùn)練了4個(gè)尺度的分類器，以增大分類器訓(xùn)練的工作量為代價(jià)，減少了檢測的計(jì)算量。最后，采用本文的窗口融合算法對各級(jí)檢測窗口進(jìn)行融合。
　　基于INRIA的實(shí)驗(yàn)結(jié)果表明，本文提出的基于多特征融合的行人檢測算法在FPPI