行人是交通系統中的主要參與者，也是交通事故中的主要受害者，如何利用現代科學技術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、高級駕駛員輔助系統（ADAS）、姿態估計等相關應用的基礎也受到廣泛的關注。

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

關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?；谝曨l的行人檢測技術成為國內外學者及科研機構的研究熱點，其在智能車輛輔助駕駛、智能監控、行人分析、智能機器人以及人機交互等領域具有廣闊的應用前景。

挑戰：由于行人姿態可變、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域的一個挑戰性課題。

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、學習特征、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