行人检测与重识别技术是近年来计算机视觉领域研究的热门课题,行人检测与重识别技术在智能监控、刑事侦查、智能交通、运动分析、无人驾驶等领域中发挥着重要作用。其中,行人检测有一段时间的研究历史,它的技术日益成熟,但检测效果也容易受到光照,环境,拍摄角度的影响。而行人重识别则是最近几年提出的比较新颖的课题,行人重识别主要是指判断出现在不同摄像机在不同时刻所拍摄到的行人是否为同一人,它是目前智能监控研究领域的一个重要分支,由于从监控摄像头中拍摄到行人的特征不明显,并且当不同行人的步伐姿势、衣服颜色、外貌体型相似时都会影响判断,因此如何提高识别的准确率是一项极具挑战性的科研工作。针对Kinect深度图像与RGB图像在空间位置上存在差异,本文采用仿射变换的方式来消除深度图像与RGB图像在空间位置上的误差,以此来获得匹配的深度数据与RGB图像数据进行下一步研究。由于Kinect采集到的原始深度图像存在噪声空洞等问题,本文采用联合双边滤波的方法处理深度图像,以获取真实的,完整的深度图像数据,为下一步的行人检测做基础。本文采用的是非极大值抑制(NMS)算法、随机霍夫变换检测圆(RHT)算法等来获取人头潜在位置的信息。检测出人头潜在位置之后,然后采用基于HOG特征与SVM算法进行人头识别,排除误检测出的人头候选点,从而提高检测的准确率,进而完成行人检测研究。基于彩色信息的行人重识别的研究主要分为两步:1.首先从彩色视频图像中分割行人图像,然后将行人图像分为几个小块,分别求取每一个子块的HSV颜色直方图特征,然后将所有子块的颜色直方图特征融合在一起组成特征向量。2.距离度量学习:通过距离学习的方法构造出合适的距离函数,将原样本特征间欧氏距离转换成马氏距离,再对马氏距离进行排序分析得到行人重识别的结果。最后对通过实验验证了本文提出的关于行人检测和重识别算法,实验结果表明本文所采用的算法效果明显,确实有效地提高行人检测与重识别的准确率。