sift行人检测matlab,干货！一文读懂行人检测算法

原标题：干货！一文读懂行人检测算法

1引言

行人检测可定义为判断输入图片或视频帧是否包含行人，如果有将其检测出来，并输出bounding box 级别的结果。由于行人兼具刚性和柔性物体的特性 ，外观易受穿着、尺度、遮挡、姿态和视角等影响，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。

行人检测系统的研究起始于二十世纪九十年代中期，是目标检测的一种。从最开始到2002 年，研究者们借鉴、引入了一些图像处理、模式识别领域的成熟方法，侧重研究了行人的可用特征、简单分类算法。自2005 年以来，行人检测技术的训练库趋于大规模化、检测精度趋于实用化、检测速度趋于实时化。随着高校、研究所以及汽车厂商的研究持续深入，行人检测技术得到了飞速的发展。本文主要介绍行人检测的特征提取、分类器的发展历程以及行人检测的现状。

2特征提取2.12001~2005 特征提取

在早期的 PDS 中，在早期的 PDS 中 ,大多数工作仅使用一种外观 特征或者一种运动特征，外观特征主要有原始灰度 和轮廓 ,也有少量工作使用了颜色. 由于每种特征的针对性不同 ,只使用一种特征的PDS 都难以获得较好的检测性能。

随着时间的发展，出现了俩种不同的研究趋势，一种是对人的外观特征和运动特性更具针对性。

(a)新的外观特征：

( Ⅰ) Amnon 等提出了基于人体的 9 个关键部位及其相对位置关系构成的 13 个关键特征 ;

(Ⅱ) Havasi 提出了基于人腿的三次对称性特征

(b) 新的运动特征: Ran 等提出了人腿形态周期性特征。

(c)新的抽象特征：Lowe 提出来SIFT 特(一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度