現(xiàn)在的行人檢測算法大多是應(yīng)用HOG特征識別整體，雖然這也能達(dá)到較高的識別率，但誤識別率也比較大，因此有必要進(jìn)行優(yōu)化識別。

通過大量樣本分析發(fā)現(xiàn)，人體的姿態(tài)除了四肢，其他大體固定，人體示意圖如圖1所示。

圖1：人體示意圖

我們可以通過組合識別優(yōu)化檢測算法來實現(xiàn)。首先可以通過腿部識別，再在腿部的對應(yīng)上區(qū)域?qū)�肩膀至頭部位識別，從而降低誤識率。

腿部由于走動原因姿態(tài)會有變化，所以很難用比較直觀的特征去識別，可以用HOG+SVM識別腿部，如圖2所示。

圖2：腿部識別

大林上位機(jī)機(jī)器視覺，_常州電工培訓(xùn)_常州PLC培訓(xùn)_常州機(jī)器視覺培訓(xùn)_常州上位機(jī)培訓(xùn)_常州工業(yè)機(jī)器人培訓(xùn)，最適合電工及plc編程人員學(xué)習(xí)的上位機(jī)機(jī)器視覺課程 大林老師：15861139266（微信同號）

肩膀至頭部的邊緣輪廓類似形狀Ω，如圖3所示。

圖3：肩膀至頭部輪廓形狀

由此我們可以知道其形狀特征大體固定，可將輪廓的Hu不變矩作為主要特征，訓(xùn)練識別器。識別可得，如圖4所示。

圖4：肩膀至頭部識別

由此我可以得到最終的行人檢測，如圖5所示。

圖5：行人檢測

在助手哥收集的訓(xùn)練庫上，用該算法與OPenCV自帶的行人檢測算法相比，誤識率有顯著的降低。