行人检测技术(Pedestrian Detection Technology)作为目标检测领域的一个重要研究方向,近几年已经成为计算机视觉领域的一个研究热点和前沿方向。在智能车辆(Smart Vehicle)、自动导航(Auto Guidance)、运动分析、高级人机接口等方面,它已经成为一个核心的技术并具有广泛的应用前景。由于传统的检测方法的弊端和缺点比较大,所以当前的一些主要的研究方法是从统计机器学习的角度出发,从包括的大量的正负例训练样本的样本库中,自动提取特征并训练人体模型,从而提高了检测的精度和速度。本论文在Dalal等人的基于梯度方向直方图(Histogram of Oriented Gradients,简称HOG)特征以及Viola的boosted cascade算法的基础上,借鉴Zhu Q.等人2006年CVPR的快速行人检测论文算法[13],将这两种算法进行有机的结合,并应用到行人检测当中。为提高检测的速度,我们在几个方面进行了实现:a)进行了基于一级cascade boosting的检测实现;b)对基于四级cascade boosting的检测做了实现,原先与相比加快了检测速度;c)在boosted cascade算法框架下,发现了选择的特征点在图像中的分布情况,对于行人检测算法的研究具有指导意义。论文中对实现了以上算法,并证明该检测系统的检测性能接近目前行人检测水平。FPPW(false positive per window)在10?3的时侯,我们的检测器的在INRIA直立静态人体数据库的中上的检测率可以达到87%。对于240×320大小的图像,我们的检测算法的在检测速度上有了大约2倍的提高。