国内外的研究现状分析：目前，清华大学、浙江大学、上海交通大学计算机实验室以及中国科学院自动化研究所等是国内在行人检测研究上比较著名的高校或研究机构。而且，中国科学院自动化研究所的生物识别与安全技术研究中心开发的人脸识别系统已经投入使用。浙江大学人工智能研究所采用了单目视觉的方法，中科院的李和平、胡占义等提出基于监督学习的异常检测和行为建模算法。国外著名的智能监控系统有IBM的智能监控系统和以色列的IOImage公司推出的智能监控系统。另外，卡耐基梅隆大学开发的系统已经应用于汽车的检测系统。虽然国内的监控行业近些年发展较快，但是与国外相比仍有一定的差距。

监控系统中行人检测技术研究至今，比较成熟的算法主要有Leibe等人基于“局部特性的编码”进行的行人检测、Oliver等人利用边缘图像来对不同的形状模型进行匹配和Dalal与Triggs提出的基于梯度直方图HOG 支持向量机SVM的行人检测算法等。而在所有的行人检测技术，基本都包括了运动目标检测和运动目标识别两个关键技术。

运动目标检测是指通过比较视频图像中像素点的变化判断是否有运动物体，并通过图像处理技术将运动目标分割出来。运动目标的检测是运动目标识别的前提和保障，目前主要有光流法和侦差法。运动目标识别是对运动目标检测阶段获得的运动目标进行处理，识别出其是行人还是其他的物体。目前主要有基于运动的方法、基于模板匹配的方法、基于统计学习方法等。

同时目前，OpenCV是著名的开源的计算机视觉的函数库，由大量的C函数和C 类构成作为接口，实现了图像处理和计算机视觉方面的很多通用算法。而且OpenCV中的机器学习函数库实现了机器学习研究领域中比较常见、应用较为广泛的学习方法，包括了贝叶斯分类器、K邻近算法、支持向量机、决策树、Adaboost算法以及神经网络算法，基本上覆盖了机器学习领域中的主流算法。因此，使用OPenCV能够较灵活的实现行人检测。

目的及意义：随着科学技术的快速发展，在给人带来利益和便利的同时，也给人带来了安全隐患。如为保护某些具有较高的经济价值或技术优势的核心技术及机密而设立的禁区，交通工具的快速行驶等都会给人们带来安全隐患。因此，监控系统越来越受到人们的重视。纵观各种影响社会安全稳定的事件，给人们带来严重损伤的除不可控因素外，主要是人的行为。因此，在监控系统中实现行人检测将可以避免巨大的人身、经济等损失，同时它的应用方向是广泛的，实用价值是巨大的，这就使得行人检测成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。

本文的目的在于设计一种行人检测系统，能实现通过对获取马路行人图片的图像处理达到系统自行判断和识别的功能。从而可以应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域，用以减少安全隐患，维护人身、财产安全等。

2. 研究的基本内容与方案

设计的基本内容：行人检测是指利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。它是计算机视觉领域一项重要的研究内容，在视频监控，智能相机，自动和安全驾驶，机器人，数字娱乐和基于内容的索引等方面都有着很高的应用价值和广泛的应用前景。

在检测系统进行一系列工作处理过程中，其行人检测算法的实现主要包括运动目标检测和运动目标识别两个关键技术。

在运动目标检测阶段可以采用侦查法。侦差法是指通过当前帧与背景图像相减得到的帧或连续的两帧图像的差值得到中间帧运动对象的轮廓。通过该方法可以获得ROI区域，进一步缩小检测区域。

在目标识别阶段，基于全局特征的方法是目前较为主流的行人检测方法，主要采用边缘特征、形状特征、统计特征或者变换特征等图像的各类静态特征来描述行人，其中代表性的特征包括Haar小波特征、HOG 特征、Edgelet特征、Shapelet特征和轮廓模板特征等。