● 摘要
随着科技的发展，视觉监视领域日益追求自动化，人们迫切需要一种能完全替代监控人员、自动对监视场景中目标实时、持续地主动监视的智能化监控系统，这种智能化监控系统往往要求能够同时具有运动检测、人体识别、目标跟踪等自主功能。而由于这种智能监控系统的面向对象往往是人，因此，人体检测成为现在的模式识别与计算机视觉研究的热点。本文首先总结了前人在人体检测领域的研究，然后分别对静态图像中和动态视频中的人体检测方法进行研究。论文的主要工作如下：静态图像中人体的关键问题主要包括特征提取和分类器设计两方面。本文采用了一种目前使用最广泛，识别效果最好的梯度方向直方图特征。该特征提取了图像的梯度信息，有效地表征了图片的特性，同时对光照，姿态变化等具有良好的适应性。在分类器设计方面，本文结合了多项式神经网络的多项式拟合思想以及支持向量机的边缘最大化理论，首次提出基于L2-norm最小化的分类思想，由于不需要保留SVM中的支持向量，极大地降低了计算量，速度为SVM的6~8倍。视频中的人体检测主要采用混合高斯模型的背景差分法对其进行运动目标提取，在准确获得运动目标之后，提出采用基于形状和尺寸特征的分类跟踪算法，判断目标是否为人体，并予以判定是否在安全范围内。最终，实验结果表明系统可以很好地实现对运动人体的检测和跟踪。