基于HOG的人体检测方法的改进.pdfVIP

第l0卷 第4期 Vo1．10NO．4 2011年 4月 ADr．2Ol1 基于 HOG的人体检测方法的改进 周金 芝 ，王 娟 (淮北师范大学 计算机科学与技术学院，安徽 淮北 235000) 摘 要 ：从图像中检测出人体是计算机视觉应用中的关键步骤。Dalal等人提 出的基于方向梯度直方图(Histograms 0fOrientedGradient，HOG)的人体检测是一种性能优异 的单一 窗 口人体检测方法 ，将其用于人体检测性能优 于 Haar，PCA-SIFT和 Shapecontext等方法 ，但 以H0G作为人体特征的人体检测存在 向量维数较大 、检测 时间较长的 问题 。为提高基于 H0G的人体检测的速度 ，提 出了通过一个由简到繁 的级联线性 SVM 分类器将级联拒绝的机制与 基于感兴趣区的H0G特征计算相结合的人体检测方法，既能保持 Dalal算法检测的准确性，又可大幅度地提 高检测 速度 。 关键词 ：人体检测；梯度方向直方图；感兴趣区；级联SVM 中图分类号：TP311．52 文献标识码：A 文章编号：1672-7800(2011)04-0076—02 行充分利用，减少冗余信息 ，本文介绍了基于感兴趣区 ( 0 引言 Region0fInterest，RoI)HOG的计算方法 ，分别在头部及 四肢等重点区域计算梯度方 向直方图，可有效减少人体特 人体检测在诸如视频监控、智能汽车、智能交通、机器 征向量的维数，从而提高检测速度 。 人和高级人机交互等计算机视觉中有着广泛的应用。但 针对基于HOG的人体检测采用单一 SVM 作为分类 由于人体 目标的非刚性，其易受到光照天气、自身姿态、外 器，当训练样本集较大时，生成的支持向量数也较大，导致 表、服饰变化等众多因素的影响，导致人体检测是一个非 检测效率低 的缺点 ，本文介绍 了采用 由简到繁的级联线性 常 困难 的问题 。 SVM分类器替代单一 SVM 分类器进行人体检测 的方 目前人体检测通常采用基于统计分类的方法，也就是 法，既保持了已有算法检测的准确性，又使得检测速度得 将人体检测看作是一个对人体和非人体两类进行分类的 到大幅度 的提高 。 问题，其步骤是先提取人体特征 ，再采用模式识别进行分 类 。该方法关键在于提取人体特征和选择分类器及其参 1 梯度方 向直方 图 数。当前人体特征的提取大都采用寻找一种能够表示人 体轮廓信息的方法，像对称与边沿密度表示法、星形向量 H0G人体检测是由Dalai等人提出的一种基于机器 表示法 、Harr—like小波特征和三角特征 以及 H0G特征 学习的静态 图像人体检测算法。HOG同SIFT(ScaleIn— 等。支持向量机 (SupportVectorMachine，SVM)和 Ada— variantFeatureTransform )特征类似，是一种局域描述 boost是人体检测中所采用的主要分类器 。 符 ，它通过对局部 区域 的边缘或梯度 的分布进行提取 ，可 近年的文献中出现了大量的人体检测方法 ，现有的方 以很好地表征局部 区域 内 目标 的边缘或梯度结构 ，进而表 法中，梯度方 向直方图表现出了优 良的检测性能。基于 征 目标的形状 。其主要思想是利用小块上的H0G来进 H0G的人体检测是一种性能优异 的单一窗 口人体检测方