1、隨著計算機視覺的發(fā)展，行人檢測逐漸成為了目標(biāo)檢測與跟蹤、行為識別與分析等研究中最基礎(chǔ)的部分，這也使得行人檢測有了研究意義。正在發(fā)展中的行人檢測技術(shù)也慢慢出現(xiàn)在日常生活之中，尤其是在智能視頻監(jiān)控、汽車安全輔助駕駛、智能家居等領(lǐng)域有著廣泛的應(yīng)用。隨著現(xiàn)代人們對公共安全的重視，家庭中高質(zhì)量生活的迫切需求，使得行人檢測技術(shù)有著廣泛的應(yīng)用前景和商業(yè)價值，也會出現(xiàn)越來越多的科研人員從事該項研究。
　　現(xiàn)有的行人檢測方法一般是對光學(xué)彩色攝像頭獲

2、取的RGB圖像進行行人檢測，該種圖像在日常生活中應(yīng)用也最為廣泛。但隨著傳感器技術(shù)的發(fā)展，其它類型的傳感器也逐漸應(yīng)用到行人信息的獲取中，最具代表性的就是KINECT傳感器，這也使得基于多源傳感器信息融合的行人檢測方法成為研究熱點。
　　針對常用的光學(xué)RGB彩色圖像行人檢測方法存在的一些問題:顏色自相似特征的冗余信息過多和梯度方向直方圖法檢測行人速度慢。本文提出了一種新的改進方法。首先采用顏色自相似性的思想描述圖像在HSV空間中重要區(qū)

3、域的自相似特性，并在重要區(qū)域內(nèi)的相鄰小塊之間計算自相似特征。再通過統(tǒng)計學(xué)方法找出圖像中邊緣特征穩(wěn)定性高的代表性區(qū)域，分別提取代表性區(qū)域的梯度方向直方圖特征。結(jié)合得到的兩種特征作為行人特征描述子，最后采用支持向量機對得到的行人特征進行學(xué)習(xí)和分類以實現(xiàn)行人檢測。
　　同時本文還針對當(dāng)前發(fā)展迅速的深度傳感器技術(shù)獲取的RGB-D圖像提出行人檢測方法。文章將結(jié)合多檢測器和多特征融合的思想，首先在深度圖像中提取邊緣圖像，并與標(biāo)準(zhǔn)的頭肩模板進行