随着社会的发展和科技的进步,智能交通系统的作用越来越重要。作为该系统中的行人检测和人脸识别两种技术,因具有重要的研究价值和实用价值,并在科研工作领域等方面具有广泛的发展前景,所以国内外研究学者已将其作为热点课题。在研究过程中,提出了很多优秀的算法,并在后续发展中不断优化。传统的行人检测技术和人脸识别技术具有准确性高、实用性强等特点。而新一代技术的发展使得智能交通系统更加安全与完善。但是,在检测与识别中,场景的复杂程度依然制约着其效率,如何在复杂视频场景中能快速准确地检测到行人并识别其特征,仍是目前行人检测与识别技术的核心问题。针对行人目标中的特殊人群——环卫工人,城管部门希望方便、友好地管理他们,因此,设计一套非接触式管理设备很有必要。在对环卫工人检测过程中,传统的光流法虽有自身优势,但因噪声、环境场景复杂程度等原因,已满足不了人们对检测效率的要求。因此,本文提出了光流特征和HSV空间融合的检测技术,该技术通过将光流特征和HSV空间融合,并对光流方程进行改进,使其能够检测出不同环境(动态、静态、简单、复杂)场景下的环卫工人。该技术最大的特点是将存在于同一幅图片中的环卫工人与其他非目标群体分割开,即只对环卫工人检测有效,不会受到其他因素影响。因此,该算法大大降低了误检率,从而提高了最终的检测准确率。另外,在身份识别过程中,本文给出了基于PCA和平均图的身份识别算法,通过提取不同角度下环卫工人的面部特征从而得到特征脸并计算出平均图,最终完成身份识别。该算法注重面部的细节特征,从不同角度采集的多张特征脸图可以判断本张特征脸所属类别并与原始图像比对,从而提高了算法的准确性。此外,特征值占有的能量数多少也是评判该算法识别人脸性能优劣的方法之一。因此,该识别算法具有一定实际意义和实用价值。测试结果表明,本文提出的环卫工人检测技术与身份识别算法的检测准确性和识别率都已具有较高水平。