摘要：由于行人集剛性特性和柔性特性于一身,使行人檢測成為繼人臉檢測之后計算機視覺的又一研究難點和熱點。但現有行人檢測技術中普遍采用的梯度方向直方圖特征存在維度高、特征冗余計算慢和存儲量大等缺陷。針對上述缺陷,引入粗集屬性約簡理論來降低該特征的維度,以提高行人檢測的性能和速度,降低行人特征的存儲量,從而應對目前大數據計算以及低存儲能力和低計算能力的移動設備中進行實時行人檢測的需要。基本思路如下:首先,利用一個知識對另一個知識的正域概念來刻畫屬性的重要度,即屬性重要度值越大,則該屬性對分類越有幫助;反之則對分類幫助較小;然后,引入粗集屬性約簡理論,刪除原始決策表中屬性重要度值小的冗余屬性。實驗結果表明:將該算法引入行人檢測,在維度下降到原來的18.52%仍然保持95.88%的準確率和召回率,同時也提升了檢測速度,降低了行人特征的儲存量,驗證了粗集約簡理論在行人檢測中的有效性。