1、行人檢測(cè)是目前計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一，它在智能機(jī)器人、智能交通、人體姿態(tài)估計(jì)等多個(gè)方面有著廣泛應(yīng)用前景，隨著科學(xué)技術(shù)的發(fā)展，近年來(lái)也應(yīng)用在航拍圖像和受害者營(yíng)救等新興領(lǐng)域中。行人檢測(cè)處于智能系統(tǒng)的底層，是后續(xù)高級(jí)處理的基礎(chǔ)，如目標(biāo)分割、姿態(tài)估計(jì)等。由于拍攝場(chǎng)景的復(fù)雜性、拍攝視角與尺度的變換以及行人的著裝與身材的大小等因素，使得行人檢測(cè)具有極大的挑戰(zhàn)性。
　　 隨著研究的不斷深入，研究人員提出了各種行人檢測(cè)方法，包括韋伯局部描

2、述子（WeberLocalDescriptor,WLD）局部二元模式特征(LocalBinaryPattern，LBP)、基于梯度方向直方圖(HistogramofOrientedGradient)檢測(cè)子、類(lèi)似形狀檢測(cè)子、基于部件的檢測(cè)方法、多特征融合的行人檢測(cè)方法等。上述方法都是基于統(tǒng)計(jì)分類(lèi)的方法進(jìn)行檢測(cè)，這類(lèi)方法主要由兩個(gè)部分組成:提取特征和分類(lèi)器設(shè)計(jì)。特征提取的目的是降低數(shù)據(jù)的維數(shù)，得到能反映行人特征的特征向量;分類(lèi)器設(shè)計(jì)屬于機(jī)器

3、學(xué)習(xí)領(lǐng)域的范疇，其目的是得到分類(lèi)效果好、計(jì)算速度快、泛化能力強(qiáng)的分類(lèi)器。
　　 本文對(duì)行人檢測(cè)技術(shù)的研究現(xiàn)狀進(jìn)行總結(jié)與分析，在此基礎(chǔ)上，對(duì)特征描述、分類(lèi)器訓(xùn)練性能的改善方面進(jìn)行了研究。論文的主要貢獻(xiàn)如下:
　　 1.改進(jìn)的WLD與LBP特征融合的行人檢測(cè)
　　 傳統(tǒng)的WLD特征提取方法，隨著分塊數(shù)和方向劃分增加，提取速度成倍減慢，針對(duì)這一現(xiàn)象，本文提出了改進(jìn)的WLD特征提取方法，改進(jìn)后的方法，在特征的維數(shù)上并沒(méi)有

4、改變，但是特征提取速度卻提升4.5倍。針對(duì)單一特征對(duì)圖像紋理特征或者空間特征表現(xiàn)的局限性以及對(duì)光照和其它噪聲影響魯棒性不足的缺點(diǎn)，本文首次提出了改進(jìn)的WLD特征與LBP特征融合的行人檢測(cè)方法。該算法提取得到的WLD-LBP特征既具有LBP特征計(jì)算速度的優(yōu)點(diǎn)，又有WLD特征對(duì)光照等噪聲具有很好的魯棒性的優(yōu)點(diǎn)，從而更加全面的描述了圖像的紋理信息。在此基礎(chǔ)上，借助SVM(SupportVectorMachine)分類(lèi)器實(shí)現(xiàn)了WLD與LBP特征

5、融合的行人檢測(cè)。
　　 基于SVM分類(lèi)器的行人檢測(cè)實(shí)驗(yàn)表明:WLD-LBP特征在行人檢測(cè)性能上優(yōu)于單獨(dú)的WLD特征、單獨(dú)的LBP特征和HOG特征的目標(biāo)描述。
　　 2.基于多分辨率的WLD特征的行人檢測(cè)
　　 針對(duì)WLD特征對(duì)目標(biāo)形狀描述的不足，本文在改進(jìn)的WLD特征的基礎(chǔ)上，提出了多分辨率的WLD特征。首先對(duì)目標(biāo)圖像進(jìn)行多級(jí)空間劃分，實(shí)現(xiàn)從平面到空間、由粗到細(xì)的多尺度目標(biāo)特征提取，從而更加全面描述目標(biāo)形狀信息: