近年来,人体目标的检测与跟踪成为了计算机机器人视觉研究的一个热点课题,人体的检测与跟踪可以应用在智能交通,安防监控,公共安全,智能机器人等领域,具有较好的应用前景。本文在人体检测与跟踪研究中运用了HOG(梯度方向直方图)、颜色直方图、SVM支持向量机分类器、粒子滤波等图像处理和模式识别理论知识。提出了基于HOG和粒子滤波的行人检测和跟踪方法,针对单目视觉下的图像序列,可以有效检测和跟踪场景中的人体目标。论文首先详细阐述了HOG特征向量集的创建过程,它主要包括计算梯度,单元(Cell)梯度幅值的统计,块(Block)的归一化等。然后介绍了SVM分类器的训练集以及训练流程。利用Visual C++设计了HOG&SVM的人体检测器,完成了人体与非人体的区分。在人体跟踪方面,提出了一种颜色直方图与粒子滤波相结合的人体跟踪方法。在人体检测的基础上,选定跟踪的人体对象,首先根据粒子滤波理论,进行粒子采样,建立运动人体的传播模型,然后建立目标区域的颜色直方图与粒子区域的颜色直方图之间的似然模型,利用模板更新,在各帧间跟踪运动的人体目标,输出跟踪行人在场景中的质心坐标值。实验结果表明,基于粒子滤波算法的跟踪器具有较好的跟踪效果,与卡尔曼滤波跟踪器相比,算法处理时间短,稳定性更好。