行人检测及姿态估计是计算机视觉领域备受关注的前沿方向和研究热点,主要是通过智能化的分析,对图像序列或者视频流中的行人进行自动的检测并估计行人在图像中各个部件位置及其方向信息。行人检测及姿态估计在智能车辆安全系统、智能监控、运动分析、人机交互等领域用着非常广泛的应用。本文采用了基于扩展的梯度直方图特征对图像中的行人进行检测,根据行人检测算法得到的检测器,使用到基于约束树形图结构人体姿态估计算法,主要的研究工作总结如下：(1)首先主要阐述了行人检测及姿态估计算法的流程,以及用于行人检测分类的SVM分类器,同时也对树形图结构模型进行了详细的描述。(2)行人检测算在人体的姿态估计中起到至关重要的作用,特别是行人检测器,提供了人体在图像中的位置信息。本文讨论了梯度直方图(HG)和方向梯度直方图(HOG)的一些限制,提出了基于扩展直方图(ExHOG)的行人检测算法,来解决HG和HOG在目标和背景颜色反差很大情况下,不同的结构具有相同特征,且相反方向的像素映射到相同的区间上导致行人检测精度低的问题。(3)针对行人检测数据集的行人类与非行人类数量的不对称性和特征向量的高维度问题,提出了非对称性主成分分析的方法(APCA)来降低ExHOG高维度问题,实验表明,本文提出的ExHOG特征能够解决HOG和HG不能解决的问题,同时提高了检测的精度。(4)针对基于树形图形结构模型的人体姿态估计算法中人体部件外观模型容易受到背景干扰的问题,对人体的外观模型进行改进,提出了基于先验分割和外观转换的外观模型的人体姿态估计算法。根据PS模型,使用人体检测器和前景加亮进行预处理,确定人体的大致位置和大小,同时移除背景上的杂斑,根据基于先验分割和外观转换机制来估计人体部件的外观模型。实验表明,与其他算法相比较,在不同的图像数据库中,该算法在使用人体检测器和前景加亮算法减少部件搜索空间的同时,提高了人体姿态估计的准确性。