基于分块特征收缩的行人检测方法.pdfVIP

第41卷 第 12期 计 算 机 科 学 Vo1．41No．12 2014年 12月 Computer Science Dec2014 基于分块特征收缩的行人检测方法 章登义 王 骞 郭 雷 武小平 (武汉大学计算机学院 武汉 430072) 摘 要 针对基于梯度方向直方图(HistogramofOrientedGradient，HOG)特征和局部二值模式(LocalBinaryPat— terns，LBP)特征的行人检测存在特征向量维度大、检测精度有待提高的问题，提 出了一种分块特征收缩的行人检测方 法。首先将样本图像划分成多个大小相同的重叠分块；然后提取各分块的H()G和 LBP特征，并将两种特征融合作为 分块的特征，通过该特征来训练分块分类器，根据分块分类器的行人检测精度对分块进行排序，选取检测精度较高的 分块进行特征收缩；最后将特征收缩后的分块特征向量连接在一起作为最终用于行人检测的特征。在 INRIA公共测 试集合上的实验结果表明，该方法在降低 了特征向量维度的同时提 高了行人检测精度。 关键词 行人检测，特征融合，分块特征收缩，梯度方向直方图，局部二值模式 中图法分类号 TP391 文献标识码 A DOI 1O．11896／j．issn．1002—137X．2014．12．055 PedestrianDetectionwithBlockFeatureShrink ZHANG Deng-yi WANG Qian GUOLei WU Xiao—ping (SchoolofComputer，W uhanUniversity，W uhan430072，China) Abstract Toimprovethedetectionrateanddecreasethehighdimensionofhistogram oforientedgradient(HOG)and localbinarypatterns(LBP)featuresinpedestriandetection，thispaperproposedapedestriandetectionmethodbasedon blockfeatureshrink．Firstly，thesampleimageisdividedintomanyoverlappedblockswith thesamesize．Thenthe HOG andLBP featuresareabstracted from theseblocks，andarefusedtogetherasthoseblocksfeature．Next，block classifiersaretrainedbyblockfeatures．Thoseblocksaresortedaccordingtothedetectionrateoftheclassifiers．W e chosetheblockswithhigherratetoshrinktheirfeatures．Finally，theblockfeaturesareconnectedaftershrinkingasthe lastfeatureusedtodetectpedestrian．ExperimentalresultsonINRIA testsetreportthatthepropo sedmethodhashigher detectionrateandlowerdimension． Keywords Pedestrian detection，Featurefusion，Block feature shrink，Histogram oforiented gradient，Localbinary patterns 行人检测已成为计算视觉和模式识别领域所关注的焦 征学习、特征变换、特征收缩_1、多特征