近年来,随着人们对公共安全问题的日益关切,对公共环境中的行人进行自动检测已成为智能监控和计算机视觉领域中的研究热点。由于行人可能处于移动或静止等不同的状态,且姿态变化剧烈,此外,行人之间的移动容易导致相互遮挡,在复杂场景中的这样遮挡情况就更加明显,这些都在很大程度上加大了行人检测的难度。由于相对于人体的其他部位,人体头部不易被遮挡,且轮廓边界比较分明。因此通过检测行人头部来对行人进行定位是一种可行的检测思路。本文对复杂场景下的人体头部检测问题展开研究,致力于研究一类可以对公共环境中人体头部进行稳定检测的算法。论文主要工作内容如下:(1)对固定摄像头情景下的行人头部检测问题进行研究。首先采用背景差分法得到运动前景区域,然后通过分析人体头部轮廓的梯度和方向幅值得到可能存在行人头部的感兴趣区域,同时,采用K-mean聚类方法对伪候选区域进行排除;最后对感兴趣区域训练分类器进行分类得到正确的行人头部位置。实验表明该方法在保持较高准确率的同时,提高了算法的实时性。(2)设计一种摄像头运动情景下的头部检测算法。当摄像头安置于移动终端或车辆等运动物体之上时,背景检测方法变得不再可靠。为此本文采用基于图分割的方法对图像进行分割。通过图分割可以列举出图像中物体可能存在的区域,将这些区域作为头部目标可能存在的区域进行分类检测即可得到目标位置。实验结果验证了方法的有效性。(3)针对传统的PCA-HOG降维后的特征空间存在鉴别性不足的问题,提出一种基于HOG-LBP分步降维的人体头部分类算法。在对传统的HOG检测算法进行分析的基础上,针对PCA降维并没有考虑样本类别的问题,将HOG特征按照样本类别进行分步降维,并将降维后的HOG特征与LBP特征相融合得到最终特征描述算子。通过训练支持向量机分类器进行分类的结果表明,该方法与传统的HOG算子相比可以有效提高检测的准确率。(4)搭建了行人头部检测系统的软件构架。以满足行人头部检测系统的实际需求为目标,在Visual Studio2010+OpenCV框架下开发了相应的检测软件。为了提高软件的稳定性和实时性,在结构上采用多线程技术将图像处理和界面数据交互分为不同的线程独立执行。实际运行结果表明,所开发的软件可以稳定运行。