目前在交通運輸方面，針對行人以及客流的建模研究主要集中于對行人的步頻和長度、行人安全、行人數(shù)目、行人跟蹤、公共服務(wù)設(shè)施服務(wù)時間等參數(shù)的研究[1]。在國內(nèi)，由于特殊的國情，研究集中在聚集客流、服務(wù)時間以及對行人安全方面的研究。

　　摘 要： 傳統(tǒng)的HOG特征對正視或側(cè)視行人有較好的識別率，但是對俯視行人的識別率仍有所欠缺。對檢測圖像的HOG特征根據(jù)不同的俯仰角進行了轉(zhuǎn)換，同時優(yōu)化了 SVM分類器訓(xùn)練過程，提出了一種改進的快速行人檢測算法。測試結(jié)果表明，該算法優(yōu)于基于傳統(tǒng)HOG特征的檢測方法，有效提高了不同俯仰角視頻中行人檢測的準(zhǔn)確性。

　　關(guān)鍵詞： 中級工程師職稱論文范文,快速行人檢測算法,HOG特征,俯仰角修正,SVM

　　Pedestrian quick detection algorithm based on with pitch angle corrected HOG features

　　CAO Qiao?hui， GE Wang?chen

　　(School of Electronics and Information Engineering， Tongji University， Shanghai 200092， China)

　　Abstract： Traditional HOG feature detection method has a preferable recognition rate for envisaging and side?looking pedestrians， but has a low recognition rate for overlooking pedestrians. An improved pedestrian quick detection algorithm is proposed in this paper， which is realized by converting HOG features in the detected images according to pitch angle and optimizing the SVM classifier training process. The testing result shows that the algorithm is better than the detection methods based on the traditional HOG features and has improved the detection veracity of pedestrians in the different pitch angle video images.

　　Keywords： pedestrian quick detection; HOG feature; pitch angle correction; SVM

　　0 引 言

　　大部分公共場所的背景較為復(fù)雜，因此如果僅僅使用基于背景?前景分割的目標(biāo)分割技術(shù)，其性能會受到復(fù)雜背景的影響，其中包括將非人運動物體檢測為目標(biāo)或者將靜態(tài)目標(biāo)與背景融為一體導(dǎo)致漏檢。此外，監(jiān)控攝像頭一般處于離地面較高的位置，其視角會發(fā)生一定的變化，基于模板或基于特征的檢測方式也會在魯棒性上受到一定的影響。

　　對于基于機器學(xué)習(xí)的行人檢測來說，其中的一個重要問題是如何選取一個信息量足夠大并且對光照、視角等具有魯棒性的本地特征，以便將前景中的行人和非行人分割開來。由于Dalal和Triggs提出的HOG特征能夠比較準(zhǔn)確地描述行人，因此本文將采用HOG特征作為行人的主要特征。

　　本文對Dalal和Triggs的算法進行了改進，并且應(yīng)用在不同視角的公共場所視頻的行人檢測中。在檢測過程中，針對不同俯仰角，本文對檢測圖像的HOG特征進行了轉(zhuǎn)換，使不同俯仰角視頻中的行人能夠被正確地檢測出來。

　　1 HOG特征及視角變化對其的影響

　　1.1 HOG特征

　　Dalal和Triggs于2006年提出了基于HOG的行人檢測算法[2]。與SIFT特征類似，HOG也是采用圖像局部區(qū)域的梯度統(tǒng)計信息對圖像進行描述。但是與SIFT不同的是，HOG并不只針對目標(biāo)區(qū)域內(nèi)的稀疏點進行特征提取，而是一種密集特征，即HOG特征與目標(biāo)區(qū)域內(nèi)的所有點有關(guān)，因此通常 HOG會以高維向量的方式表現(xiàn)。

　　HOG的主要思想是：在一幅圖像中，相對于使用顏色信息，本地物體或行人的外觀與形狀能夠更好地被梯度或者邊緣分布的直方圖描述。因此，Dalal和Triggs將圖像分為各個胞元(cells)，計算胞元中每個像素的梯度;對檢測窗口(window)中的塊(block)進行密集掃描，串聯(lián)起來得到一個高維向量;最后通過線性SVM分類器對向量進行分類，以達到檢測物體的效果。

　　1.2 攝像機俯仰角對HOG特征的影響

　　對于大多數(shù)行人庫，如INRIA，MIT行人庫等，其訓(xùn)練樣本主要為側(cè)視角的行人[3];而在實際應(yīng)用中，并不能夠保證攝像機的角度一定為側(cè)對行人的角度。如果不考慮視角變換而是將所有視角的行人圖片一起作為正樣本訓(xùn)練，則會影響到線性SVM分類器的分類性能。此外，對于特定視角的樣本采集會耗費大量的時間，并且對場景的適應(yīng)性有限。因此研究視角的不同會帶來HOG特征的變化。

　　設(shè)置場景的攝像機的水平旋轉(zhuǎn)角為[α，]俯仰角為[β，]如圖1所示。下面將分別討論它們對梯度產(chǎn)生的影響。

　　圖1 攝像機視角不同對物體高度和寬度的影響

　　對于俯仰角[β，]其影響的是[y]方向的分量，若人體的高度為[H，][h1]是攝像機和水平面夾角為[β1]時人體在圖像上所成像的高度，[h2]是攝像機和水平面夾角為[β2]時人體在圖像上所成像的高度，則有：

　　[Cβ1，β2=h2h1=cosβ2cosβ1， -π2<β<π2] (1)

　　[θ2x，y=arctantanθ1x，y?1Cβ1，β2] (2)

　　且梯度為：

　　[?f2(x，y)=?2f?x2+tan2θ1(x，y)??2f?x2] (3)

　　[?f2(x，y)=?2f?x2+tan2θ1(x，y)C(β1，β2)??2f?x2] (4)

　　[?f2x，y=?f1x，y?1+tan2θ1(x，y)C(β1，β2)1+tan2θ1(x，y)] (5)

　　同時對于掃描窗口的尺寸，有：

　　[w=C(α1，α2)?w] (6)

　　[h=C(β1，β2)?h] (7)

　　因此當(dāng)攝像機的水平和俯仰角度發(fā)生變化時，目標(biāo)圖像的梯度都會發(fā)生一定程度的變化。在實際檢測特征時，先對梯度進行相應(yīng)的變換，再按普通HOG的方式進行檢測。

　　2 快速人體檢測算法

　　2.1 訓(xùn)練過程

　　本算法使用的訓(xùn)練過程如圖2所示。

　　圖2 SVM分類器完整訓(xùn)練流程

　　本算法采用INRIA行人數(shù)據(jù)集作為訓(xùn)練樣本庫，并加入一些自行采集到的行人數(shù)據(jù)。INRIA數(shù)據(jù)集中的圖像都為彩色圖像，正樣本的大小為 96×160，負樣本的大小為320×240。本系統(tǒng)在RGB空間中提取HOG特征，在三個空間中分別計算這三個分量的梯度，選取幅值最大的作為該像素梯度;使用像素的cell計算9個方向上的梯度直方圖，并且將像素作為一個block進行梯度直方圖歸一化[4]，如圖3所示。

　　圖3 對圖片的block進行直方圖歸一化并計算梯度直方圖

　　在進行SVM分類時，本文采用SVM Light對正樣本和負樣本提取的HOG特征分類，并且使用線性核SVM作為分類器。一次分類結(jié)束后，將得到的分類器對所有源負樣本進行密集掃描檢測。二次訓(xùn)練完成后，就得到了3 780維的SVM分類器。

　　2.2 快速行人檢測算法

　　檢測的流程圖如圖4所示。

　　圖4 本文使用檢測算法的流程圖

　　在二次訓(xùn)練后得到3 780維的SVM分類器后，使用此分類器對圖像中的人體進行檢測。在使用SVM對特征進行分類時，需要對視角進行修正�？紤]到攝像機的角度變化，本文中采用的掃描窗口大小由式(6)與式(7)決定，例如當(dāng)俯仰角為30°，水平角為15°時，窗口的大小為64×110;獲得窗口中的梯度后，使用式(5)對獲得的梯度進行修正，并且使用線性插值對圖像邊緣的梯度進行插值，使梯度圖像重新縮放至64×128大小;然后對這些梯度計算HOG特征，并使用SVM分類器進行分類[5]。

　　檢測時采用密集掃描，并對檢測圖像進行變化率為[σ=]1.10的多尺度變換[6]。因此，圖像中包含相同目標(biāo)的多個檢測窗口在SVM檢測時都會被檢測為目標(biāo)窗口;單個目標(biāo)可能會出現(xiàn)多個檢測窗口，對后續(xù)跟蹤造成困難。

　　為了使每個目標(biāo)僅被單個窗口包圍，需要對包圍窗口進行合并。如果一個目標(biāo)窗口被另一個目標(biāo)窗口完全包含，那么認為它們屬于同一個目標(biāo);同時當(dāng)包圍窗口之間的重合面積大于70%時，也認為它們屬于一個目標(biāo)。這里將被認為屬于同一個目標(biāo)的包圍窗口定義為屬于同一類。對于每張圖像，將所有的包圍窗口分為[N] 類，每個目標(biāo)帶有[n]個包圍窗口，并且引入一個閾值[T。]當(dāng)[N]類中的包圍窗口數(shù)量[n]大于[T]時，將相同類別的包圍盒作合并;包圍窗口數(shù)量小于[T]時，認為這個類屬于誤報，對其進行過濾。經(jīng)過測試，使用閾值[T]為2的合并算法就能夠合并大部分的包圍盒，并且濾除一定的誤檢目標(biāo)。

　　3 實驗結(jié)果及分析

　　本文分別采用PETS2006的稀疏客流密度視頻與PETS2009中的中客流密度的部分視頻對算法的識別率進行測試，并且截取一部分對本文所使用的 HOG特征進行檢測。視頻的信息如表1所示。在測試時，記錄一幀中未檢測出的行人數(shù)量以及錯誤檢測的目標(biāo)框數(shù)量。測試的結(jié)果如表2，表3所示。

　　表1 所使用的測試視頻信息

　　[視頻名稱\&俯仰角\&視頻尺寸\&幀數(shù)\&總目標(biāo)數(shù)量\&0601\&β≈45°\&360×288\&700\&471\&0602\&β≈45°\&360×288\&1 007\&687\&0901\&β≈30°\&768×576\&794\&3 099\&0902\&β≈0°\&768×576\&794\&2 807\&]

　　表2 普通HOG特征的測試結(jié)果

　　[視頻名稱\&幀數(shù)\&總目標(biāo)數(shù)量\&正確識別數(shù)\&漏檢數(shù)\&0601\&700\&471\&428\&43\&0602\&1 007\&687\&622\&64\&0901\&794\&3 099\&2 914\&185\&0902\&794\&2 807\&2 723\&84\&]

　　表3 視角轉(zhuǎn)換的HOG特征的測試結(jié)果

　　[視頻名稱\&幀數(shù)\&總目標(biāo)數(shù)量\&正確識別數(shù)\&漏檢數(shù)\&0601\&700\&471\&448\&23\&0602\&1 007\&687\&670\&17\&0901\&794\&3 099\&3 006\&93\&0902\&794\&2 807\&2 797\&110\&] 　　本文使用對數(shù)尺度下的DET(Detection Error Trade?off)曲線作為本文算法的準(zhǔn)確性評價標(biāo)準(zhǔn)，即漏檢率(Miss Rate，MR)和誤檢率(False Postive Per Window，F(xiàn)FPW)曲線。本文的算法與Dalal的算法在俯仰角為0°，30°，45°的情況下的DET曲線分別如圖5所示。

　　從圖中可以看出，當(dāng)俯仰角為0°時，本文的算法與Dalal的算法在檢測率上沒有沒有很大的區(qū)別;當(dāng)俯仰角為30°時，本文的算法的漏檢率在時比Dalal的算法低了3%左右;當(dāng)俯仰角為45°時，本文算法的漏檢率比Dalal的算法低了5%左右。

　　圖5 本文算法與傳統(tǒng)算法的比較

　　本文提出的方法的性能較傳統(tǒng)方法有所改善。圖6顯示了本文提出的方法在不同視頻中的檢測效果。

　　4 結(jié) 語

　　針對傳統(tǒng)HOG特征對俯視行人的識別率不高的問題，本文基于被檢測圖片的HOG特征進行了俯仰角修正，并且對不同視角的公共場所視頻進行了行人檢測測試。測試結(jié)果證明，本文提出的算法有效提高了HOG算法檢測的準(zhǔn)確性。

　　圖6 測試結(jié)果

　　參考文獻

　　[1] SAUNIER N， HUSSEINI A E， ISMAIL K， et a1. Pedestrian stride frequency and length estimation in outdoor urban environments using video sensors [C]// TRB 90th Annual Meeting Compendium of Papers. Washington DC： Transportation Research Board， 201l： 1l?21.

　　[2] DALAL N， TRIGGS B. Histograms of oriented gradients for human detection [C]// Proceedings of the International Conference on Computer Vision and Pattern Recognition. San Diego， CA， USA： IEEE， 2005， 1： 886?893.

　　[3] KARAULOVA I， HALL P， MARSHALL A. A hierarchical model of dynamics for tracking people with a single video camera [C]// British Vision Conference. Bristol， UK： BVC， 2000： 352?361.

　　[4] 劉清，吳志剛，郭建明，等.視角和旋轉(zhuǎn)角變化時梯度方向直方圖的轉(zhuǎn)換[J].控制理論與應(yīng)用，2010(9)：1269?1272.

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/dianzijishulw/45845.html