全文总字数：1456字

1. 研究目的与意义及国内外研究现状

目的：本课题基于机器学习来实现对不同场景下人的行为活动进行预估。通过不同粗细级别的特征提取，最终提取出精细的行人特征，实现相应的识别功能。

意义：行人检测就是计算机对于给定的图像和视频，判断出其中是否有行人，如果有还需要给出行人的具体位置。行人检测是行人跟踪，行为分析，步态分析，行人身份识别等研究的基础和前提，一个好的行人检测算法能够为后者提供有力的支持和保障。

国内外研究现状

行人检测就是要把视频序列或图像中出现的行人从背景中分割出来并精确定位, 是当前计算机视觉领域最为活跃的研究课题之一。目前比较流行的基于计算机视觉的行人检测方法大都是基于特征提取和机器学习的, 常用的特征有哈尔特征 (haar), 梯度直方图特征 (histogramsof oriented gradients, hog), 常用的机器学方法有自适应增强算法 (adaboost)、神经网络(neural network)和支持向量机 (support vector machine, svm)等.

2. 研究的基本内容

通过软件仿真平台对人行道或不同场景下人的行为活动进行预估，将视频序列或图像中出现的行人从背景中分割出来并精确定位，检测出不同的变化特征（通过不同粗细级别的特征提取，最终提取出精细的行人特征）

要求：

1.以具备环境和不同行人的图片为基本图片数据之后进行不同样本数据采集分为行人样本和非行人样本。

3. 实施方案、进度安排及预期效果

实行方案：借助合适的特征描述子对样本图片进行特征提取，在此基础上，训练分类器；在检测时对目标图像进行特征提取后，利用已经训练好的分类器对目标图像进行检测。

进度：

1、2018.1.1-2018.1.19进行调研，明确设计任务，完成任务书等工作。

4. 参考文献

[1]种衍文,匡湖林,李清泉. 一种基于多特征和机器学习的分级检测方法[j].自动化学报,2012,38(03):375-381.

[2]张阳. 结合纹理特征和深度学习的行人检测算法[j].辽宁工程技术大学学报(自然科学版),2016,2:206-210.

[3]王坚,兰天. 基于稀疏表达和机器学习的行人检测技术研究[j].计算机科学,2016,43(6a):207-209.