计算机视频图像处理技术随着计算机技术与信息技术的快速发展,在很多领域得到了普遍的使用。比如基于视频图像的行人检测在安全监控等领域内具有重要的研究意义,学术界和工业界对它的研究一直在进行着。自从方向梯度直方图特征即Histogram of Oriented Gradient特征被提出来用于行人检测后,近年来衍生出了众多方法,都取得了很好的结果。但是检测还存在着众多难点,比如如何构建更高效的分类器,如何有效的检测出行人的运动区域。本文对行人检测的国内外的发展与研究现状进行了解,对现在行人所涉及到的检测技术进行了研究。对行人检测中涉及到的分类器模型进行了研究、分析和优化,同时对所涉及到的运动目标提取算法进行了改良,主要内容如下所示:首先,对涉及到图形处理的基础知识进行了介绍,对三种在行人检测中常用的特征进行研究与分析。目前检测的难点主要是行人容易受到遮挡,这将会影响到检测的准确率。在本研究中,将行人的头部和肩部作为检测对象。经过对三种特征进行比较后,最后采用了能比较好的描述人体头部形状的HOG特征作为本文分类器中需要用到的特征。其次,对行人检测中用到的分类器模型进行研究与分析,并对其检测性能进行了验证。在使用SVM时,要设置合适的参数。设定具有不同参数的SVM,分别对其性能进行测试,最后确定具有较好结果的支持向量机算法的参数。在对BP神经网络进行研究时,同样设置具有不同结构的网络模型,通过对其性能对比分析,得到具有较好结果的模型结构。最后,分别对基于Adaboost的BP神经网络和基于GA遗传算法的BP神经网络进行研究并且对它们的检测性能进行比较。之后使用自适应增强算法对采用GA算法优化过初始权值的BP神经网络进行增强,对经过优化后的算法进行性能测试。经过检测后可知,优化后的分类器性能确实得到提升。接下来,在对运动目标检测算法进行研究时,选择对背景减除方法即VIBE算法进行优化。经过优化后的算法,抗干扰能力明显增强。使用改进过的VIBE算法提取运动目标区域,然后使用优化过的分类器进行行人识别。