1. 研究目的与意义（文献综述）

1.1背景和意义

行人检测是指利用计算机视觉技术判断图像或视频序列是否存在行人并给予精确定位，研究者对于其的研究起始于20世纪90年代中期，从最早的2002年，研究者们借鉴并引用了图像处理、模式识别等领域的比较成熟的方法，侧重的研究了行人的可用特征以及简单的分类算法。再就从2005年开始，行人检测系统的训练库趋于大规模化、检测速度趋于实时化、检测精度趋于实用化。在计算机视觉领域，行人检测受到越来越多研究者的关注。概括的说，行人检测是指对由摄像头实时获取的视频图像序列进行自动分析，判断是否存在行人，若存在，则将其用某种方式标记出来，这样就可以提醒人们进行下一步操作。行人检测系统具有非常广泛的应用，比如常见的汽车安全辅助系统，利用行人检测系统检测出行人，提前通知车主注意危险并做出下一步反应。

就目前来说，行人交通是我国城市居民出行的主要方式，而行人交通的视频检测技术对智能交通系统的发展与应用具有重大意义。通过对行人检测和分析确定行人的运动轨迹，提取行人的交通数据，为交通规划、管理与控制提供科学的依据。

2. 研究的基本内容与方案

本次课题是行人检测系统的设计，由于行人具有刚性和柔性物体的特征，外观容易受到穿着、尺度、遮挡、姿态和视角等影响，所以采取一种识别能力强、准确性高、识别误差小的方法就显得格外重要。经过查阅文献，决定此次课题将采用OpenCv设计行人检测系统。利用开源的跨平台计算机视觉库OpenCv的环境下搭建整个系统的软件界面，进行开发调试及应用。通过提取行人的梯度方向直方图（HOG）特征，并利用事先准备的样本训练出来的线性支持向量机分类器对提取的行人特征进行分类，建立一种基于梯度方向直方图特征的行人检测系统。算法主要由两部分组成，HOG特征提取和目标检测。首先，选取不同数量的正负样本，提取并保存图像的HOG描述子。之后，将保存的HOG描述子输入适当的分类器算法进行训练并得到分类器。对于待检测的图像或视频，把提取的特征向量输入给支持向量机，根据计算的结果进行判断是否包含目标。根据已有的研究资料表明，采用OpenCv设计的行人检测系统具有很好实用性可识别能力、准确性和可移植性，减小了识别误差。

本次设计将采用C 语言进行设计和实现功能的编译，并在OpenCv上进行实现。

3. 研究计划与安排

第1-2周：查阅相关文献资料，明确研究内容。确定方案，完成开题报告。

第3-4周：比较现有的行人检测方法。

第5-7周：选取一个合适的行人检测算法实现系统。

4. 参考文献（12篇以上）

[1]苏松志, 李绍滋, 陈淑媛等. 行人检测技术综述[j]. 电子学报 , 2012

[2]许言午, 曹先彬,乔红. 行人检测系统研究新进展及关键技术展望[j], 电子学报 ,2008

[3]杜友田; 陈峰;徐文立; 李永彬;基于视觉的人的运动识别综述, 电子学报 , 2007