摘要：当前，人工智能、机器学习和机器视觉相关领域发展迅猛。行人检测作为机器视觉该领域的一个重大分支，目前正被视频监控和车辆驾驶等领域广泛的应用。本论文着眼于对行人检测系统的设计和实现。行人检测问题属于二分类问题，在行人检测问题上需要较好的分类算法和特征。

在行人检测的研究过程中，优秀的特征的出现意味着行人检测算法的突破性发展。在行人检测领域的特征研究，最初使用哈尔特征，之后使用HOG特征以及HOG特征的变种。综上，本文使用HOG特征用于行人检测。

常用于行人检测的分类算法有支持向量机（SVM）、AdaBoost、Softmax分类函数等。本文使用支持向量机作为分类算法，在Inria、Kitti两个数据集上进行试验，结果表明支持向量机（SVM）在行人检测中取得较好的效果。

本文设计并实现了行人检测系统。该系统使用C++ 开发语言，利用英伟达TK1开发板，结合OpenCV采用基于HOG特征与SVM行人检测算法进行行人的检测。通过反复测验，系统运行相对准确高效，基本达到了设计目的。 

关键词：行人检测；JetsonTK1；ACF；LDCF；OpenCV；改进的BP神经网络

目录

摘要

Abstract

1 绪 论-1

1.1 研究背景与研究的意义-1

1.2 国内外研究现状-2

1.3 论文主要内容及结构安排-3

2 行人检测基本介绍-5

2.1多稀疏描述符-5

2.1.1行人检测方法介绍-5

2.2基于稀疏编码的特征表示-6

2.3本章总结图-8

3 开发工具的选择-9

3.1嵌入式系统-9

3.1.1嵌入式系统概述-9

3.2 英伟达TK1简介及初始化-9

3.2.1 英伟达TK1的介绍及硬件选择-9

3.2.2英伟达TK1的初始化-11

3.3 OpenCV简介-16

3.4 本章小结-16

4 基于英伟达TK1的行人检测算法设计-17

4.1 HOG的特征提取-17

4.1.1 HOG算法的优缺点：-18

4.2 SVM向量机-18

4.2.1 SVM训练：-20

4.3本章小结-21

5.1设计思想-22

5.2 OpenCV行人检测-22

5.2.1源码解析-22

5.2.2行人检测的方法-23

6.1本文总结-26

6.2展望-26

参考文献-27

致谢-28