近年来移动机器人的应用范围越来越广泛,移动机器人的工作环境从室内发展到室外,从已知环境发展到未知环境,这就对移动机器人的智能化程度提出了更高的要求。人体检测技术不仅是移动机器人视觉系统当前的研究热点,也是移动机器人智能化的一个关键技术。本文对视觉移动机器人人体检测相关技术进行深入研究,并设计实现了一个基于混合高斯模型优化的移动机器人人体检测算法。本文将人体检测分解成两个关键问题。首先检测运动目标,将运动目标从视频背景中分割出来。提取了运动目标后,再对运动目标进行分类,判断运动目标是不是人体即人体识别。本文研究的前提是视频背景是静止不动的,在这种研究前提下,由于检测的实时性和准确性要求,本文采用混合高斯模型的方法提取运动目标,该方法弥补了单个高斯模型的不足,适应视频背景不是绝对静止的情况,如树枝微小颤动、光照微小变化。而判断运动目标是不是人是个二值分类问题,本文采用机器学习的方法,从训练的样本库中大量提取能有效代表人体的特征,然后训练分类器,最后用训练好的分类器对运动目标进行分类。本文选取INIRA人体样本库,采用的特征是梯度直方图特征HOG(Histogram of Oriented Gradients),分类器采用支持向量机SVM(Support Vector Machine)。在实际运动目标提取过程中,视频图像序列会有很多噪声,严重干扰运动目标的有效提取,针对这个情况,本文采用连通域面积法去除噪声,得到干净的运动目标。先用混合高斯模型提取运动目标再进行人体检测,有效改进了传统的HOG+SVM运动人体检测方法的实时性。如若不事先提取图像序列中的运动目标,而是对整个图像进行检测,那么就要将检测窗口在整个图像上进行遍历检测,这会占用大量的时间。但是提取了运动目标,我们只需将运动目标区域送入检测窗口进行检测,缩短了检测时间,满足实时性的需求。本文采用的系统开发平台是VC++6.0,并使用OpenCV这个开源的计算机视觉库。检测结果表明,本文采用的基于混合高斯模型优化的移动机器人人体检测方法不仅在检测准确度上有一定优势,并且大大缩减了检测时间,为后续的研究工作奠定了基础。