运动人体检测是视觉人体运动分析中的关键技术,是进行各种后续处理如运动人体识别、运动人体跟踪的前提和基础,在高级人机交互、视频会议、智能视频监控等方面具有广泛的应用前景和潜在价值,成为近年来国内外众多学者研究的热点问题。在其部分应用领域中,如智能交通客流检测等,为了防止人体目标的遮挡和覆盖情况,大多采用垂直向下的俯拍。在这类俯拍视频图像中人体的头部信息相对完整,被广泛地作为人体的局部特征用于人体检测。本文紧密围绕复杂交通环境下俯视图像中运动人体检测问题,首先提出了基于改进的脉冲耦合神经网络模型的视频滤波预处理方法,然后以不同分辨率下的视频序列为研究对象,分别提出了适用于较低分辨率的基于灰度特征的运动人体头部区域检测方法和适用于较高分辨率的基于轮廓特征的运动人体头部检测方法。在视频滤波预处理方面,针对脉冲耦合神经网络简化模型在图像滤波中存在的问题,运用反证法证明其对椒噪声检测失效,采用分而治之法对其进行改进,利用改进模型检测图像的污染程度、确定噪声的具体位置、自适应地确定中值滤波窗口的大小,实现视频图像滤波预处理。实验结果表明,此方法对不同密度的椒盐噪声都具有较好的滤波性能,提高了后续运动人体检测的检测质量。在运动人体检测方面,针对复杂交通环境下俯视图像中运动人体检测存在的误检漏检问题,以不同分辨率下的视频序列为研究对象,分别提出了适用于较低分辨率的基于灰度特征的运动人体头部区域检测方法和适用于较高分辨率的基于轮廓特征的运动人体头部检测方法。前者根据人体头部的灰度特征,对双阈值法进行改进,利用改进后的双阈值法检测目标所在区域,采用区域生长法分割出目标,使得此方法在出现慢速运动的人体头部目标以及背景中出现光照变化和异物干扰等情况下均具有较好的检测能力。后者根据人体头部目标的轮廓特征,用分块对称差分法对背景进行实时更新,结合对称差分法和背景消减法提取运动目标,用基于梯度的随机Hough快速圆检测方法对运动人体头部进行检测,较好地解决了出现强烈的光照变化、非人体头部目标以及秃顶、带帽或衣服颜色与头顶颜色近似的复杂人体头部目标等情况时的运动人体头部检测问题。本文得到湖南省自然科学基金项目资助(项目编号:10jj2050)。