基于梯度方向直方图的行人检测方法研究.doc
《基于梯度方向直方图的行人检测方法研究.doc》由会员分享,可在线阅读,更多相关《基于梯度方向直方图的行人检测方法研究.doc(5页珍藏版)》请在三一办公上搜索。
1、基于梯度方向直方图的行人检测方法研究倪 恺,肖志涛 ,张芳(天 津 工 业 大 学 信 息 与 通 信 工 程 学 院 ,天 津 300160)【摘 要 】 为 满 足 汽 车 安 全 性 的 要 求 ,基 于 图 像 的 梯 度 方 向 直 方 图 特 征 ,利 用 支 持 向 量 机 的 方 法 ,实 现 了 行 人 检 测 。 该 方 法 提 取 正负 样 本 图 像 的 局 域 梯 度 直 方 图 特 征 ,利 用 支 持 向 量 机 进 行 样 本 训 练 ,得 到 行 人 分 类 器 。 利 用 训 练 好 的 分 类 器 进 行 检 测 ,实 验 结 果 表 明 ,该 方 法 可
2、 以 有 效 检 测 出 前 方 出 现 的 行 人 ,并 达 到 了 较 好 的 检 测 效 果 。【关 键 词 】 梯 度 方 向 直 方 图 ;行 人 检 测 ;支 持 向 量 机【中 图 分 类 号 】 TN919.8;TP391【文 献 标 识 码 】 AStudy on Method of Pedestrians Detection Based on Histograms of Oriented GradientsNI Kai, XIAO Zhitao, ZHANG Fang(School of Information and Communication Engineering,
3、Tianjin Polytechnic University, Tianjin 300160, China )【Abstract】 To meet the requirement of vehicle safety, a method based on Histograms of Oriented Gradients (HOG) and Support Vector Machine (SVM) which can be used to detect the preceding human is presented. Calculation is done to get some part of
4、 HOG feature in some positive and negative training examples. Then the algorithm of SVM is used to do the training to get ahuman classifier. Then, the classifier is used to make human detection. Experiment results are performed practically and show that the proposed method can detect preceding perso
5、n effectively.【Key words】 HOG; pedestrians detection; SVM响,在灰度分布的区域上并没有明显的不同 。基于以上考虑 , 笔者研究了一种利用梯度方 向 直方 图 (Histograms of Oriented Gradients,HOG)特 征1的 方 法 , 提取图像中局部区域的梯度方向直方图特征 , 利 用 支 持向 量 机 (Support Vector Machine,SVM) 的 方 法 形 成 分 类 器,作为 HOG 特 征训练的分类 ,从而实现行人检测 。HOG引言行人检测是目标检测的重要分支 ,是 近 年 来 智 能 汽 车
6、 领 域 中 的前沿方向和研究热点 ,它 在 智 能 汽 车 中 的 监 控 系 统 、驾驶员辅助系统方面拥 有 广泛的应用前景 。 检 测 方 法 多 种 多 样 ,其本质 是利用行人特征将行人从背景 中 分 割 出 来 ,将检测问题转化为模式分类的问题 。 行 人 检测 在 物体检测领域有特殊性 , 对 于 人 体 形 态 而 言 ,人 体 是 一 个 非 刚 性 的 、形 变 大 的 、多 角 度 的 物 体 ,同 时 还 受 到 光 照 、衣 着以及复杂背 景 环境的影响 ,多 视 、多 态 的 人 体检测具有很大 难度与挑战 。目前广泛的资料中 ,行人检测的方法包括背 景 提取 和
7、形 状 模 型 匹 配 的 方 法 ,该方法通过对 当前图像与参考 背 景 进 行 逐个做差来得 到 运动目标 ,再与相对应的行人 形 状 模 型 进 行 匹 配 ,但仅能处理一系列的图像帧 ,不 能 处 理 单 独 的 一 帧 图 像 ,而且行人的多态性使 算 法变得复 杂,使模型匹配很难达到理想的结 果 。应用 Haar 特征的方法 , 从训练样本中提取 Haar 特 征 ,应 用该 特 征并进行逐层训练 ,得 到 强 分 类 器 ,通 过 强分类器进行行人的识别 。 Haar 特征检测方法已 成功应用0表示的是边缘梯度的结构特征 ,因 此 可 以 描 述 局 部 区 域的形状信息 ,能对
8、局部对象外观和 形状进行很好的表征 ,事实证明可以很好地 应用在行人检测中 。特征11.1HOGHOG 特征的定义HOG 特 征 算 法2-3 由 Dalal 在 2005 年 提 出 。 Dalal 使用了表达能力强的 HOG 特征,由于计算机性能的 提 高 ,Dalal 使用了上千维的特征 , 在 MIT 和 INRIA 行人库 中 ,Dalal 在万 分之一的误报率下取得了近 90%的检测率 。 与 SIFT 特 征4 类 似 ,HOG 特征通过提取 局部区域的边缘或 梯 度分布 , 可很好地表征局部区域内目标的 边 缘或梯度 结构,进而表征目标的形状 ,对辐射 差异和配准误差有较 强的
9、稳健性 。Dalal 提 出 的 HOG 特征对于大小为 64128 的 训 练 样 本 ,按 照 88 像 素 的 单 元 (cell)进 行 划 分 ,这 样 就 形 成于 人 脸 检 测 ,但是行人较人脸有很大不同 ,Haar 特 征 是基于灰度分布的区域特征 , 而 行 人 由 于 不 同 衣 着 的 影block重 叠 的 blockcellC1 C2C3 C4Image图 2 样 本 图 像 中 block 和 cell 的 关 系543627180图 3 HOG 梯 度 方 向 的 划 分了 816=128 个 cell,然后再将每相邻的 4 个 cell 划 分 为l 块 (b
10、lock)。 采 用 Dalal 提 出 的 方 法 ,图 1 为 HOG 特 征模板,其中宽 (W)与高(H)的比率 为 11。 block 的形成是中像素点 (x,y)的水平方向梯度 、垂直方向梯度的 幅值 。样本中像素点 (x,y)的梯度幅值为G(x,y)= 姨Gx(x,y)2+Gy(x,y)2样本中像素点 (x,y)的梯度方向为(3)按 照 每 个 cell 进 行 滑 动 生 成 的 ,由 此 原 训 练 样 本 (64 128) 便 具 有 715=105 个 block 。 样 本 图 像 中 block 和 cell 之 间 的 关 系 如 图2 所示。(x,y)=arctan
11、( Gy(x,y) )(4)Gx(x,y)然 后 计 算 9 个 区 间 (bink) 上各个像素点在分量区间 上 的幅值WH=11图 1 HOG 特 征 模 板Vk(x,y)= 埸G(x,y),(x,y)bink,1k9(5)0,(x,y)埸bink为 了 消 除 光 照 等 影 响 ,进行归一化处理对块中每个单元的区 间 分量 Vk(x,y)+f(Ci,k)= (x,y)Ci(6) Vk(x,y)+(x,y)B式中:f(Ci,k)表示 在 某 个 单 元 Ci 中 ,第 k 个区间的累计强 度 在 Ci 所 属 的 块 block 中 所 占 的 比 例 , 其 中 i=1,2,3,4。
12、式 (6)中 加 一 个 较 小 的 数,避免出现分母为 0 的 情 况 ,本 文中取=0.001。 由式(6)可知每个单元的特征可由 1 个 9 维 向 量 表 示 ,而 每 个 块 由 4 个 单 元 组 成 ,从 而 块 的 特 征 可 由一个 36 维向量表示 。 本文的 HOG 特征可以 表示为对于划分后的每个 cell,将其中所有像素的梯 度 方向 进 行 投 影 ,形 成 每 个 cell 各自的梯度方向 直 方 图 。这f(Ci,k)|i=1,2,3,4,k=1,2,9分类器的选择(7)里的方向区间 (bin)数量设定为 9,如图 3 所 示 ,即 每 202一个区间 ,然后再
13、 将 每 个 block 中 的 4 个 cell 的 梯 度 方向直方图数据串联起来 ,则每个 block 便是一 个 36 维 的向量。再将所有的 block 依次串联起来 ,便形成 了对每个 训练图像的 36105=3 780 维编码5-6。笔者选择的分类器为线性 SVM 分 类 器 8,线 性 SVM分 类 器 运 算 简 单 ,推 广 能 力 好 ,并 且 在 Dalal 的 工 作 中 已 经 证明,结合 HOG 特征可以很好地区分人体和非人 体 。训 练 过 程 中 , 大 小 为 l 的 训 练 样 本 集 (xi ,yi ),i =1,2, ,l由 二 类 别 组 成 ,如
14、果 xiRN 属 于 第 1 类 ,则 标 记 为 正 (yi =1), 表 示 为 行 人 , 如 果 属 于 第 2 类 , 则 标 记 为 负(yi=-1),表 示 为 非 行 人 ,训练的目标是构造判别函数将测 试的行人相 关数据尽可能正确地分类 。如果存在分类超平面wx+b=0使得(8)1.2 HOG 特征的计算HOG 特征的计算7过程如下 ,其中 H(x,y)表示图像 在像素点 (x,y)处的灰度值 。首 先 计 算 梯 度 ,采 用-1,0,1模 板计算每个方向的 梯 度幅值和方向埸wxi+b-1,yi=1wx +b1,y =1ii,i=1,2,l(9)则称训练集是 线 性 可
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 梯度 方向 直方图 行人 检测 方法 研究
链接地址:https://www.31ppt.com/p-3940636.html