● 摘要
随着图像处理技术的不断发展，基于图像/视频的行人识别技术越来越受到研究者的重视。行人识别技术即是对视频中的运动目标或者静止图像进行识别，判断其是否是行人目标。由于具有成本低、集成度高、灵活性强等优点，行人识别在面向交通、安防等领域的视频监控系统中得到了广泛应用。本文主要对运动目标提取后的行人识别技术展开研究。
然而，在实际的室外视频监控系统中，由于运动目标存在遮挡粘连、监控距离远，针对现有的行人识别技术，仍然存在以下两个难点：首先，由于现有通用尺度的行人识别算法在粘连遮挡等问题上容易失效，造成识别的稳定性不高；其次，在远距离视频监控中，行人目标的尺度小可用特征少、易受背景干扰的问题，致使小尺度行人识别的准确性不高。因此，论文针对上述视频监控系统的实际问题展开深入研究，取得了以下成果：
首先，针对室外视频监控中由于行人目标遮挡而导致通用尺度目标识别稳定性不高的问题，本文提出基于头肩约束的行人识别方法，该方法把行人目标的识别问题转化为行人目标的头肩检测问题；并且同时使用HOG算子和LBP算子来表征候选头肩区域的“Omega”形状信息和纹理信息。此外，为提高头肩检测的速度，本文利用头肩结构的对称性，使用改进的灰度对称性算子（SYM-IV），对头肩候选区域进行筛选，排除大量非头肩区域，从而加速头肩结构的检测。实验证明，该算法对遮挡和非遮挡行人目标都有很好的识别效果，提高了通用尺度行人目标识别的稳定性。
其次，针对远距离室外视频监视中，行人目标小可用特征少、易受背景干扰的问题，本文提出了一种全局与局部相结合的小尺度行人识别方法，通过高斯低通滤波提取原始图像的低频分量，并在低频分量和原始图像上同时提取LBP特征，补充小目标的全局特征；根据人体的拓扑结构，在原始图像上分别提取图像不同区域的LBP特征，使得LBP在局部特征的表述上更有区分性，同时一定程度上增强对小目标全局特征的描述；最后，利用直方图均衡化方法来增强小目标图像的对比度，从而更有效地提取特征。实验结果表明，与当前同类算法相比，所提算法能显著提高对小尺度行人目标的识别准确率。