摘要：鉴于目前散货码头运用智能视频监控系统时，由于不同方向人形的方向梯度直方图（Histo-gram of Oriented Gradient，HOG）特征存在较大的变化，使得用传统方法训练获得的少量特异性特征不足以支撑人形的有效分类，因此提出一种基于AdaBoost的针对不同姿势HOG特征的二级分类方法，首先将样本快速分为正（背）面人形和侧面人形，组成第一级分类；然后通过分别为两类样本训练子分类器组成第二级分类；第二级分类对人形进行识别，并对结果进行融合，以天津港干散货码头无人作业区为背景，完成一组人形识别实验.实验结果表明，相较于传统方法，该方法对正（背）面人形具有更高的识别率，二级分类方法整体上提高了人形识别的识别率。
