全文总字数：4211字

1. 研究目的与意义及国内外研究现状

人体检测及行为分析是机器视觉领域的热点课题之一，也是诸多重要应用的一项关键环节，在智能汽车，监控系统和高级机器人等方面具有关键性应用。机器视觉所研究的一个主要问题是：如何让机器视觉系统具备“计划”和“决策能力”？从而使之完成特定的技术动作（例如：智能汽车在检测到前方有行人时进行碰撞规避）。机器视觉系统作为一个感知器，为动作的决策提供信息。人体检测是当前机器视觉领域的热点课题之一，对图像进行人体检测并对检测出的人类对象进行分析在诸多应用场景(智能汽车，高级机器人，监控系统)中是关键的一个环节。从应用的角度来看，例如智能汽车这样的应用场景对人体检测的性能要求非常严格(如智能汽车直接关乎驾驶环境下的安全程度)，而现代智能汽车的安全性明显不足，行人检测方面的误差是导致该种现象的原因之一。并且，机器视觉系统应该体现出相对于人类来完成某一工作时更加卓越的表现，如提高无人监控系统相对于传统手工登记的快速性，高级机器人相对于传统工种的敏锐性，智能汽车相对于手动驾驶的安全性等。此毕业设计对人体检测进行方法论和实验学角度的研究，通过提供一个通用的基准参考点来提高性能评估的可视化程度。同时，针对一些算法的不足，做出一些改进，主要针对接近于实时处理条件的测试情景进行优化。所以，人体检测是具有广阔前景同时非常具有挑战性的一个领域。

从机器视觉的角度来说，人体检测是一项困难的任务。首先是因为显式模型的匮乏，机器很难以人的思维方式去对视野中的目标进行捕获和判断，机器学习技术选择从训练样本中学习隐式模型。其次是分类架构的性能问题，人体检测从本质上来说是多级对象分类问题的一个案例，对特征模型进行低风险和高精确度的感知和理解进而做出分类需要鲁棒的分类架构。

国内外研究现状

国内研究现状：

2. 研究的基本内容

1、 首先学习hog提取特征算法以及支持向量机的算法。

2、 搭建opencv运行环境，在网上下载inriadata数据集。

3、 利用程序裁剪出数据集中的正、负样本，对正、负样本进行训练，得到初步的svm分类器。

3. 实施方案、进度安排及预期效果

实验方案：

第一章引言部分介绍课题研究背景，研究现状和存在的难题。其中研究现状部分中对具有代表性的特征模型和分类架构进行了概述。

二章较为详细地介绍人体检测方面haar特征提取算法和hog/svm架构的基本原理，将为特征描述(haar 特征和hog特征)以及分类架构svm两个部分进行阐述。

4. 参考文献

[1] 李树刚.交通流视频中行人检测跟踪算法研究[d].大连理工大学,2017.

[2] 陈英.机器视觉技术的发展现状与应用动态研究[j].无线互联科技,2018,15(19):147-148.

[3] 李念国.多运动行人检测与跟踪技术研究[d].哈尔滨工程大学,2013.