视频中行人检测与跟踪技术是计算机视觉领域非常重要的一个研究课题,广泛应用于智能交通、先进辅助驾驶系统(ADAS)等领域。由于行人是非刚性物体,而且行人的姿态、衣服颜色复杂多变,再加上光照条件的变化,为行人检测与跟踪技术的研究增加了困难。本文的研究工作中涉及行人检测与跟踪技术领域中的特征提取、分类以及跟踪算法。利用扩展中心对称局部二值纹理模式(extended center-symmetric local binary pattern,XCS-LBP)、级联AKSVM分类器、基因遗传算法以及粒子滤波跟踪算法的理论知识提出了基于XCS-LBP和级联AKSVM以及粒子滤波的行人检测跟踪算法,并取得比较好的检测跟踪效果。本文所做的具体工作和成果如下:1.对于行人检测,首先提取训练样本集的XCS-LBP特征向量,该纹理特征能够很好的刻画图像中的信息,提高检测精度。然后自适应训练弱分类器,利用遗传算法决定弱分类器的最佳级联顺序,得到最终分类器,实现行人区域检测。实验表明,训练后的分类器具有很好的分类效果,保证了较好的检测精度。2.对于行人跟踪,本文采用每隔5帧对视频采集一次,利用训练好的级联AKSVM分类器检测出行人区域,并用矩形框出行人,采用基于颜色直方图的快速粒子滤波算法对视频下一帧中的目标行人进行跟踪。通过对比粒子区域的颜色直方图和目标区域的颜色直方图的相似度,得到目标的新位置。实验取得不错的跟踪效果。