人体检测在智能辅助驾驶系统和智能监控系统等方面有着广泛的应用前景,已逐渐成为计算机视觉和人工智能等领域重要的研究内容。目前,人体检测技术仍然存在很大的提升空间,本课题的目的是要对目前人体检测算法存在的两个主要问题进行研究并改进,一是在检测靠得很近或相互遮挡的多人体目标时容易出现漏检,二是如何提取更完善的人体特征。本课题在详细分析可变形部件模型(Deformable Part Model, DPM)的基础上,提出了基于双人体可变形部件模型的人体检测算法,该算法采用对图像分区域匹配和对匹配结果融合的方法来减少多人体检测的漏检情况。随后对深层模型(Deep Model)进行深入研究,并提出基于双人体深层模型的人体检测算法,该算法通过对基于双人体可变形部件模型的人体检测算法返回的窗口和在输入图像上滑动扫描生成的窗口组成的混合窗口进行确认来减少误检情况。这种将双人体可变形部件模型和双人体深层模型相结合的创新性研究,实现了在充分利用各自优点的同时弥补了各自的缺点。从实验结果可以看出,双人体可变形部件模型在一定程度上降低了漏检率,而双人体深层模型进一步降低了误检率,二者的结合在保证检测效率的同时提高了检测效果,确保了整体算法的有效性,证明算法达到了本课题预期的检测效果。