摘要：有效提取行人的特征是行人檢測技術(shù)的關(guān)鍵之一。梯度向量直方圖（Histogram　of　Oriented　Gradients，HOG）特征能有效描述人體的大致輪廓且不易受到復雜背景的影響。探討了行人檢測中的HOG特征，重點研究了其中的三線性插值算法。三線性插值算法可以消除因區(qū)域混疊問題對行人特征造成的影響，對準確檢測行人非常重要。

關(guān)鍵詞：行人檢測；HOG　特征提??；三線性插值

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2012）31-7548-04

基于移動攝像機的運動行人檢測與跟蹤是城市交通環(huán)境下智能車輛輔助導航技術(shù)中的一項關(guān)鍵技術(shù)，也是目前計算機應(yīng)用領(lǐng)域的研究熱點之一[1]。它能有效地輔助駕駛員及時地對外界環(huán)境做出反應(yīng)，避免碰撞行人，對于保障現(xiàn)代城市道路交通安全具有重要的作用，具有十分廣闊的應(yīng)用前景[2]。若要在交通道路中準確地檢測出行人，必須采用一種魯棒性強的算法對行人特征進行描述。目前研究較多的是梯度方向直方圖（Histogram　of　Oriented　Gradients，HOG）特征[3-5]，該特征具有簡單可靠、學習精度高的特點，能精準、有效地表征行人[5]。本文重點介紹了HOG特征提取過程中的三線性插值方法的原理，指明了三線性插值算法在HOG特征提取中的重要性。

1　梯度方向直方圖特征

HOG是一種局域描述符，是針對圖像某個矩形區(qū)域中的梯度方向與強度的統(tǒng)計信息而定義的一種特征。如圖1所示，（a）-（c）是MIT行人庫中的部分行人圖像，（d）是99幅行人圖像梯度的平均效果，可以看出雖然原始圖像具有各種復雜的背景，行人本身的姿態(tài)也各不相同，但是圖像梯度的平均效果卻可以明顯反映出行人的大致輪廓。因此，利用圖像的梯度特征可以有效檢測出行人。