行人检测是目前智能视频监控研究领域中倍受关注的热点,尽管国内外在行人检测方面已经取得了一定的研究成果,但是由于实际检测环境的多样化,需要考虑的因素也复杂多变,因此针对不同的实际应用环境进行行人检测技术研究将是该领域长期的任务。本课题选择高架道路或快速路作为应用环境,研究在道路入口监控视频中自动检测进入高架路的行人的检测技术。在该应用背景下,人脸在视频图像中占据的像素点比较少,并且行人都是驾驶着交通工具,并有可能被其他物体部分的遮挡,使得现有的依靠行人身体特征信息(如人的眼睛、嘴巴、鼻子、手势、走路姿态等特征)的行人检测方法难以应用到该应用背景下的行人检测中。论文紧紧围绕着快速道路中行人检测的问题开展工作:首先是研究视频中运动区域的分割方法;其次是研究运动区域中行人的检测方法。论文工作主要包括以下几个方面:(1)视频中运动目标区域分割。系统地总结和归纳了目前常用的视频中运动目标分割算法,并通过实验对它们的优缺点进行了分析、对比,最终采用基于连续两帧差分的运动目标检测方法实现了运动区域的分割。(2)运动区域中人脸特征提取。在深入分析现有的人脸检测方法的基础上,针对高架路这种应用背景,论文选择人脸肤色作为特征,在运动区域中进行人脸检测。对人脸肤色在不同色彩空间的聚类特性进行详细研究,论文选择在YCbCr颜色空间进行肤色建模,并利用建立的高斯肤色模型对运动目标区域进行肤色检测,提取出人脸肤色区域。(3)类人脸肤色区域的排除。实际交通场景中,行人的某些部位(如行人露出的手臂等)和某些运动物体(如汽车的黄色牌照,摇晃的树枝等)在光照下呈现的颜色与肤色非常相似。在大量实验基础上,通过选择合适的肤色区域的长宽比,以及人脸肤色区域的像素数目,排除类人脸肤色区域。(4)视频中行人的实时检测。在Matlab7.7软件平台上对实际采集到的交通视频图像进行了行人检测仿真实验,同时将文中算法与其他行人检测算法进行了对比、分析。结果表明,论文提出的行人检测算法能够实时、准确地在视频中检测到行人,并对光照渐变具有较强的适应性。