行人检测是智能视频监控等一系列安全防范研究领域中的基础性研究课题,行人检测的性能优劣影响后续的目标跟踪等处理结果。目前的行人检测方法一方面容易受遮挡等干扰的影响难以提高检测率,另一方面检测方法的实时性差。由于行人头肩部分相对于行人整体以及其他部分不容易受到遮挡,本文以行人头肩作为检测对象,分别对基于头肩轮廓特征的行人检测方法和基于头肩HOG特征的行人检测方法进行了研究、改进和实验验证,并在此基础上提出了一种基于二级结构的行人检测方法。该方法首先采用改进的帧差法提取视频中的待检测区域,然后采用基于轮廓特征的行人检测方法对目标进行一级检测,该部分首先采用边缘检测与轮廓过滤和区域聚类相结合的方式提高了头肩轮廓的完整性,然后根据实验调整轮廓特征向量的维度,最后优化并训练BP神经网络分类器并对轮廓特征进行分类。遮挡等干扰会引起一级检测性能下降,对一级检测判定为非行人的目标继续进行基于头肩HOG特征的二级检测,该部分首先对传统HOG特征进行改进,将梯度方向相反的梯度分量加以区分,提出一种和差HOG特征,最后根据交叉验证选择SVM训练参数,对特征向量进行训练并检测。为了避免明显发生遮挡的目标参与一级检测而消耗时间,在目标进行检测前依据目标占空比选择是否跳过一级检测而直接参与二级检测。实验表明,基于二级结构的行人检测方法结合了基于轮廓特征的检测方法和基于HOG特征的检测方法在检测速度和检测率上的优势,基本保证实时性的同时,检测准确率可达93%以上。