行人是交通系統(tǒng)中的主要參與者，也是交通事故中的主要受害者，如何利用現(xiàn)代科學(xué)技術(shù)來保護行人的生命安全變得越來越迫切。行人檢測作為智能交通控制系統(tǒng)、高級駕駛員輔助系統(tǒng)（ADAS）、姿態(tài)估計等相關(guān)應(yīng)用的基礎(chǔ)也受到廣泛的關(guān)注。

雖然ADAS作為汽車安全的一個重要組成部分受到廣泛的關(guān)注，并且取得了很多重要成果，但仍然面臨著許多挑戰(zhàn)：形態(tài)各異的外貌特征、復(fù)雜多樣的背景環(huán)境、行人與攝像機之間動態(tài)變化的場景、系統(tǒng)實時性與穩(wěn)定性的嚴格要求等。

關(guān)注本公眾號的朋友希望，能提供一些算法實例。

ADAS不僅要求能夠快速檢測出行人，為司機提供反應(yīng)時間，而且要求檢測準確度高，盡量減少誤報率，因此研究者通過尋找更好的行人特征或者高效的檢測算法來提高行人檢測的魯棒性與實時性。

定義：判斷輸入或者采集的圖像（或視頻幀）是否包含行人，如果包含，給出行人位置信息。基于視頻的行人檢測技術(shù)成為國內(nèi)外學(xué)者及科研機構(gòu)的研究熱點，其在智能車輛輔助駕駛、智能監(jiān)控、行人分析、智能機器人以及人機交互等領(lǐng)域具有廣闊的應(yīng)用前景。

挑戰(zhàn)：由于行人姿態(tài)可變、離攝像機距離的遠近、以及受光照、背景、服裝、遮擋等因素的影響，使得行人檢測仍然是計算機視覺領(lǐng)域的一個挑戰(zhàn)性課題。

分類：目前，基于視覺的行人檢測方法大致可以分為基于模板匹配、基于運動信息、基于特征信息的行人檢測方法。其中，基于特征信息的行人檢測方法又包括：單一底層特征、學(xué)習(xí)特征、以及多特征融合等。圖1給出了常見的行人檢測方法的框架圖。

編輯：jq