低維度特征的行人檢測方法

文 韜，李 峰，周書仁

（長沙理工大學 計算機與通信工程學院，湖南 長沙410004）

0 引 言

行人檢測是判斷一副圖像中是否包含人的處理過程。它是進行行人跟蹤［1］、人體行為分析［2］以及人體姿態重構［3］的重要前提。由于行人具有剛性和非剛性雙重特征，其外觀易受姿態、尺度、視角和穿著的影響，以及背景和噪聲的干擾導致行人檢測一直是一個具有挑戰性的課題。當前的行人檢測技術主要分為3類。第一類算法是基于底層特征的，它從某一方面 （如梯度或者紋理）來描述特征，如 小 波 矩［4］、 局 部 二 值 模 式 （local binary pattern，LBP）［5］、梯度方向直方圖 （histogram of oriented gradient，HOG）［6］。它將圖像轉換成一組抽象特征值，然后利用構建好的圖像庫中圖像的特征值訓練分類器，最后通過訓練好的分類器對待檢測圖像的特征值進行分類來完成行人的檢測。第二類算法是基于學習特征的［7－8］，其核心思想是針對同一個訓練集訓練多種分類器即弱分類器，然后把這些弱分類器聯合起來，構成最后的決策分類器即強分類器。第三類算法是基于混合特征的，它能從不同的側面來刻畫圖像特征，提高檢測率和魯棒性。

通過分析，當前的行人檢測技術呈現出精確度逐步提高而特征維數也過分增加的態勢。這種高維度的特征向量無疑給應用這些算法的計算平臺造成巨大的時間和空間開銷。本文提出的低維度特征，是建立在對待檢測目標的輪廓上的特征點進行梯度方向描述的基礎上，利用空間金字塔模型對離散的角點區域的特征向量進行整合并融入待檢測目標的位置信息，在降低特征維數的同時，更進一步提高了算法的檢測效果。

1 相關工作

與尺 度 不 變 特 征 變 換 （scale invariant feature transform，SIFT）［9］和形狀上下文 （shape context）［10］等特征相比，HOG在描述行人特征時具有更強大的表征能力和簡易性。HOG最大的特點在于它是在大小統一的網格密集的單元上進行計算的，因此，在行人檢測過程中，不論是粗糙的空間取樣還是精細的方向取樣，只要行人大體上保持直立姿態，就能允許有一些肢體動作的存在。在Navneet－Dalal等提出的基于HOG行人檢測［6］的研究基礎上，已有很多改進算法被相繼提出。Wang等［11］結合 HOG和LBP［5］兩種特征進行行人檢測，不僅克服了HOG缺少紋理信息等的缺點，進一步提高了檢測率，而且通過運用部件檢測算子進行檢測，在一定程度上解決了遮擋問題。Anna等［12］則通過建立空間金字塔模型，在每個金字塔模型中分別求梯度方向的特征作為子特征，最后聯合所有子特征作為最終決策特征，進一步加強了算法的分類能力。

基于HOG的行人檢測算法在INRIA person行人數據集上表現出良好的檢測效果。該算法通過將整幅圖像分割成同樣大小的連通區域 （稱為細胞單元），每個細胞單元生成一個梯度方向直方圖。為了提高準確率，將圖像進行分塊后，通過計算圖像塊所包含的所有細胞單元的梯度方向直方圖，為每個圖像塊生成含36維特征的局部直方圖，然后將檢測窗口均勻劃分的105個圖像塊的局部直方圖串接形成最終的3780維特征向量，最后用支持向量機對特征向量進行分類。該算法生成的圖像塊均勻覆蓋了整個檢測窗口，導致最終的特征向量中不僅含有行人輪廓線上的梯度直方圖信息還包含了背景中的大量梯度直方圖信息。對于行人檢測，背景中的特征信息可以認為是冗余信號和噪聲。因此HOG算法很容易產生一個過擬合的分類器，而且獲取高維度冗余信息必定增加算法的時間復雜度。為改進這一缺陷，本文提出了一種僅對前景目標輪廓進行特征描述的行人檢測算法，該算法在很大程度上降低了背景區域特征在最終獲取的特征向量中的權重。實驗表明，該算法不僅提高了檢測率和分類速度，而且極大地降低了特征維數。

2 低維度特征的行人檢測

本文以降低特征維數來提高檢測率和檢測速度為目的，設計了一種低維度特征的行人檢測算法。該算法首先利用FAST角點檢測算法［13］快速地刻畫出目標輪廓上的突出點，然后對以突出點為參考點的小塊區域求梯度方向直方圖。由于每幅圖像獲取的突出點不同，最后通過空間金字塔模型獲取維數統一的特征向量。

2.1 FAST角點檢測

Edward Rosten等提出了簡單而快速的FAST角點檢測算法［13］。其核心思想是：當某個中心像素點的鄰域邊界上有足夠多的像素點與該點處于不同的灰度級時，算法認為該中心點是一個FAST角點。FAST角點檢測算法在INRIA person行人數據庫中的檢測效果如圖1所示。

圖1 行人目標的角點檢測效果

進行FAST角點檢測時，首先選擇圖像中的某個像素點和以它為中心的一個區域，通常選擇以該點為中心且半徑為3的離散圓，如圖2所示。圓形區域上的像素點按順時針順序依次編號1～16，中心點p即為待檢測點。

圖2 FAST角點檢測模板

待檢測點是否為角點取決于編號1－16的像素點的灰度值。這16個像素點x相對于待檢測點p的灰度值關系Sp→x可以用式 （1）表示

式中：Ip——點 p 的灰度值，Ip→x——點 x 的灰度值，t——閾值常數。只有當編號1－16的n個像素點，n一般取12，滿足等式 （2）時，其中心點p才被認為是角點

從結構上分，有流線型葉片的高速風輪，也有弓型葉片的低速風輪；有功能完善的多用途機組，也有性能單一的簡易機組。從使用地域上分，南方為風力提水機配套的是低揚程、大泵徑、大行程、大流量拉桿活塞泵和螺旋泵；簡易型有以水車為提水工具，用于農田灌溉或者提取海水治鹽。在北方，從水資源看，一般井深都在10m以上，所以風力提水機都設計成小泵徑、小行程、小流量、高揚程，配活塞泵或膜片泵，主要用于解決人畜飲水和澆灌小型草牧場、飼草料地。

本文算法旨在對目標輪廓上的特征點進行描述，并且盡可能地忽略背景。根據先驗知識，待檢測目標主要集中于數據集的中心區域。因此，對于64＊128像素的數據集本文算法設置一個位于圖像中央的44＊88像素的感興趣區域，然后在感興趣區域中獲取角點。加入感興趣區域后的行人目標的角點檢測效果如圖3所示，顯然其特征點的分布更加穩定地貼合目標輪廓。

圖3 加入感興趣區域后的檢測效果

2.2 特征點描述

利用FAST角點檢測得到的角點作為特征點。在獲得特征點的位置信息后，描述其鄰域內的像素點的梯度方向直方圖以獲取待檢測目標的輪廓信息。具體方法為：以特征點（x，y）作為參考點，取水平區間［x－8，x＋7］以及垂直區間［y－8，y＋7］的大小為16＊16像素的鄰域空間作為特征提取區域，如圖4所示，其中用C標記的像素點即特征點。

圖4示中4塊用不同灰度值標記的區域為本算法的最小特征提取單元，特征點的描述就是分別求出特征提取區域中的4塊最小特征提取單元的特征向量，然后串聯起來的過程。最小特征提取單元的特征提取方法如下：

首先，使用梯度檢測模板

分別對最小特征提取單元中的像素點的水平方向和垂直方向進行卷積，得到像素點對于這兩個方向的偏導數，如式 （4）所示

然后，在離散空間求出梯度方向和梯度大小，如式（5）所示

接著將空間角度［0，π］平均量化為9個區間，統計落入各個量化區間中的梯度大小之和，得到的梯度方向直方圖即為最小特征提取單元的9維特征。

2.3 統一特征維數

由于每幅圖像所含角點信息不同，獲取的特征點個數不同，所以通過簡單串聯獲得的所有特征點的特征向量維數也不相同。為了解決不同特征維數造成支持向量機無法進行模式分類的問題，本文采用分層的空間金字塔模型對圖像進行分塊，達到統一同層空間金字塔模型下的特征維數的目的。空間金字塔模型的建立過程如圖5所示，從左到右3種模型分別稱為0層、1層、2層空間金字塔。對于n層空間金字塔，圖形在水平和垂直方向都平均分成了（n＋1）塊。在某一層空間金字塔模型中，只需要獲得每一塊的特征向量F，然后把它們串聯起來作為本層的特征向量。特征F的求解過程如下：針對某一塊中角點i的36維特征向量fi，如式 （6）所示

圖5 圖像空間金字塔

把相同行數的特征值進行求和并除以圖像中的特征點個數N就得到一個36維的特征向量

圖5（a）的0層空間金字塔模型把整幅圖像分為1塊，可得到一個1＊36維的特征向量；圖5（b）的1層空間金字塔模型把整幅圖像分為4塊，可得到一個4＊36維的特征向量；圖5（c）的2層空間金字塔模型把整幅圖像分為9塊，得到一個9＊36維的特征向量，對應的直方圖如圖6所示。這種建立圖像空間金字塔模型提取特征的方法很好地解決了不同圖像得到不同維數的特征向量的問題，并且隨著空間金字塔層數的增加，最終得到的特征向量不僅包含用于描述目標邊緣的梯度信息還包含待檢測目標的位置信息。如圖5的第2層空間金字塔模型，我們把從左至右，從上到下的9塊分別編號為1－9號。顯然，圖像中的特征點主要分布在第2，5，8塊中，而在第1，3，7塊中幾乎沒有特征點。這樣得到的有效信號的能量主要集中于包含目標的塊所生成的特征向量。

圖6 3種金字塔模型下圖x對應的直方圖

3 實驗結果

本文選擇文獻 ［6］中 Navneet－Dalal等提出的基于HOG的行人檢測算法 （簡稱HOG算法）使用的INRIA person行人數據庫作為實驗數據集進行實驗并與HOG算法進行比較。INRIA person行人數據庫的尺寸大小均為64＊128像素，具體的樣本數據見表1，其部分樣本如圖7所示。

表1 INRIA person行人數據庫統計數據

圖7 實驗樣本示例

為了說明本文算法的優越性，本文從分類時間，精確度和特征維度方面與HOG算法進行比較，如表2－表4所示。其中第0，1，2層分別表示基于0，1，2層空間金字塔模型的本文算法。

基于本文提出的低維特征，使得行人檢測分類問題大大簡化。與HOG分類時間的對比印證了這一點。因此，本文提出的低維特征不僅適用于監督式學習的行人檢測系統，而且對于維度敏感的非監督式學習的聚類問題也有一定的應用價值。

表2 平均分類時間對比結果

由于本文算法忽略了大部分的背景冗余特征，而且加入前景目標的位置信息。實驗結果在檢測率方面也有一定提高，對比數據見表3，本文算法在2層金字塔模型下的檢測率已經超過HOG算法1.3個百分點。

表3 檢測率對比結果

各算法進行模式分類的特征維數見表4。數據表明本文算法在保證檢測率的同時，縮小特征維數1個數量級。

表4 特征維數對比結果

實驗結果表明，隨著空間金字塔層數的增加，檢測率隨之有一定提高，然而當層數大于2之后，檢測率的提高并不明顯甚至出現檢測率下降的現象，而且特征維數將成指數增加，如圖8所示。

圖8 特征維數與檢測率關系

對檢測率和特征維數的綜合考慮之后，以第2層金字塔模型，即圖像被分為9塊，特征維數為324維作為最佳分類模型。

4 結束語

本文通過分析 Navneet－Dalal等［6］等提出的 HOG算法的不足，提出了一種低維度特征的行人檢測算法。首先通過角點檢測獲取目標的輪廓信息，然后計算特征點鄰域范圍的梯度特征，最后用空間金字塔模型對圖像進行分塊以獲取維數統一的特征向量。由于去掉了背景中的大部分冗余信息，最終獲取的特征具有低維性和一定的穩定性。通過實驗結果驗證了本文算法的低分類時間，低維數和高檢測率。盡管本文算法在HOG算法的基礎上降低了特征維數從而減少了分類時間，但是，采用的角點檢測算子占用了本文算法的額外時間，且占用了特征提取的大部分時間，下一步工作將研究時間開銷更低的角點檢測算子，以進一步加快檢測速度。

［1］Changyan L，Lijun G，Yichen H.A new method combining HOG and Kalman filter for video－based human detection and tracking ［C］／／3rd International Congress on Image and Signal Processing，2010：290－293.

［2］Ahad M A R，Tan J K，Kim H S，et al.Solutions to motion self－occlusion problem in human activity analysis ［C］／／11th International Conference on Computer and Information Technology，2008：201－206.

［3］Mori G，Malik J.Recovering 3Dhuman body configurations using shape contexts ［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2006，28 （7）：1052－1062.

［4］Fanzhi K.Feature extraction and matching location algorithm based on wavelet moment and curvelet transform ［C］／／International Confe－rence on E－Health Networking，Digital Ecosystems and Technologies，2010：146－149.

［5］Wei W， Weimin C，Dongxia X.Pyramid－based multi－scale LBP features for face recognition ［C］／／International Conference on Multimedia and Signal Processing，2011：151－155.

［6］Tatu A，Lauze F，Nielsen M，et al.Exploring the representation capabilities of the HOG descriptor ［C］／／IEEE International Conference on Computer Vision Workshops，2011：1410－1417.

［7］Basharat A，Gritai A，Mubarak S.Learning object motion patterns for anomaly detection and improved object detection［C］／／IEEE Conference on Computer Vision and Pattern Recognition，2008：1－8.

［8］Bhuvaneswari K，Abdul Rauf H.Edgelet based human detection and tracking by combined segmentation and soft decision［C］／／International Conference on Control， Automation，Communication and Energy Conservation，2009：1－6.

［9］Cong G，Xudong J.Face recognition using sift features［C］／／IEEE International Conference on Image Processing，2009：3313－3316.

［10］Salve S G，Jondhale K C.Shape matching and object recognition using shape contexts ［C］／／IEEE International Conference on Computer Science and Information Technology，2010：471－474.

［11］Xiaoyu W，Han Tony X，Shuicheng Y.An HOG－LBP human detector with partial occlusion handling ［C］／／IEEE 12th International Conference on Computer Vision，2009：32－39.

［12］Anna B，Andrew Z，Xavier M.Representing shape with a spatial pyramid kernel［C］／／Proceedings of the 6th ACM International Conference on Image and Video Retrieval，2007：401－408.

［13］Rosten E，Porter R，Drummond T.Faster and Better：A Machine Learning Approach to Corner Detection ［J］.IEEE Transactions on Patten Analysis and Machine Intelligence，2010，32 （1）：105－119.