基于IKSVM的多特征行人檢測算法

張艷麗

（上海海事大學(xué) 信息工程學(xué)院，上海 201306）

行人檢測在人工智能、汽車輔助駕駛、安全監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用前景。針對行人檢測的方法主要有模板匹配法和統(tǒng)計分類法。文獻(xiàn)[1]采用梯度方向直方圖（HOG）用在靜態(tài)圖像中的行人檢測，取得了很高的檢測精度，已成為當(dāng)前主流的行人檢測方法。文獻(xiàn)[2]提出局部二值特征（LBP）結(jié)合HOG特征的行人檢測，克服了HOG特征對于行人輪廓邊緣信息的收集較多地忽略了平坦的表面，導(dǎo)致分類器對于嘈雜的邊緣信息的處理能力和魯棒性較差的缺陷，較大提高了檢測正確率。文獻(xiàn)[3]使用Gabor變換結(jié)合adaboost算法實現(xiàn)對人體目標(biāo)的檢測，由于Gabor小波能在多個尺度的多個方向提取人體目標(biāo)的局部變化信息，從而使檢測結(jié)果更加精確。

融合HOG、LBP、Gabor 3種特征算子，實現(xiàn)了它們在行人檢測中的優(yōu)勢互補，更加綜合性的表達(dá)了行人特征。并且，都采用直方圖的提取方法，增強了特征間的融合性。特征提取階段3種特征同步處理、引入PLS降維，使提高檢測精度的同時保證了檢測速度。最后，采用IKSVM訓(xùn)練分類器，進(jìn)一步優(yōu)化了行人檢測系統(tǒng)的性能。

1 算法理論

采用基于IKSVM的多特征行人檢測方法，其中，訓(xùn)練階段對正負(fù)行人樣本同時提取HOG特征、LBP特征和Gabor特征融合為一個新的行人特征向量集，引入偏最小二乘法（PLS）[4]進(jìn)行特征降維獲得權(quán)重較高的特征向量集，通過IKSVM訓(xùn)練得到多特征融合的行人分類器。檢測階段，利用訓(xùn)練好的行人分類器掃描、檢測運動區(qū)域，得到行人檢測結(jié)果。該算法框架如圖1所示。

圖1 行人檢測系統(tǒng)框圖Fig.1 Pedestrian detection system block diagram

1.1 HOG特征提取

HOG特征是通過計算局部梯度方向直方圖來構(gòu)成人體特征，描述的是邊緣結(jié)構(gòu)特征。利用[-1，0，1]梯度算子計算圖像中像素點（x，y）處的幅值和梯度方向分別為

式中，G（x，y）梯度幅值，α（x，y）梯度的方向，H（x，y）像素值。

首先，將圖像劃分成若干個 8×8像素單元（Cell），把[-的梯度方向平均劃分為9個區(qū)間（Bin），在每個Cell內(nèi)對所有像素的梯度幅值在各個方向Bin區(qū)間進(jìn)行直方圖統(tǒng)計，每相鄰4個 Cell形成一個塊（Block），用Block對樣本圖像進(jìn)行掃描，掃描步長為一個Cell，最后將所有Block的特征串聯(lián)得到人體的特征。對每個Block內(nèi)HOG特征使L2-norm范式即式（3）進(jìn)行歸一化，以便能夠更進(jìn)一步對光照、陰影和邊緣進(jìn)行壓縮。

式中，V為待歸一化的向量，ε為一個較小值，一般取ε=0.1，‖V‖k--k范數(shù)，k=1，2。把所有的塊串聯(lián)起來，得到最終64*128圖像的特征向量維數(shù)為4*9*105=3 780維。

通常將計算α（x，y）落入的區(qū)間直接定義為所屬區(qū)間，但是它在圖像塊的邊界區(qū)域容易導(dǎo)致混淆效應(yīng)，造成特征的不穩(wěn)定。本文進(jìn)行插值操作，將α（x，y）對應(yīng)的梯度投影到相鄰的兩個方向區(qū)間上，可避免上述不足。如圖2所示。

圖2 梯度方向上的插值處理Fig.2 Process on the gradient direction interpolation

1.2 LBP特征提取

LBP特征很好地兼顧了圖像的宏觀信息與微觀結(jié)構(gòu)，具有高度的識別能力。為了提高基本二元制模式的統(tǒng)計性，Ojala[5]提出了“均勻模式”的概念

實驗表明，使用LBP28，2的局部二元模式算時，均勻模式的數(shù)量是58，用總數(shù)21%的LBP算子，表達(dá)了86.2%的紋理信息。

本文采用基于單一分塊的局部二元模式特征提取方法，將64*128大小的圖片按照16×16的小區(qū)域（cell），分為了32個cell；分塊過后，對每個cell使用算子求原始模式，將其轉(zhuǎn)化為對應(yīng)的“均勻模式”。最終得到59維的均勻模式向量；和之前求HOG特征類似，采用L1-范式對已得到的59維向量向量進(jìn)行歸一化，以克服一些噪聲的干擾提高魯棒性。

最后將得到的統(tǒng)計直方圖連接成為一個特征向量，則每個檢測窗口的LBP特征維數(shù)為32*59=1 888維。

圖3 LBP特征提取Fig.3 LBPfeature extraction figure

1.3 Gabor特征提取

Gabor特征能夠在多個尺度和多個方向上抽取人體目標(biāo)的灰度變化信息，對目標(biāo)特點的描述更加精確。二維Gabor濾波器的復(fù)數(shù)形式

其中，x′=x cosθ+y sinθ，y′=-x sinθ+y cosθ；λ 表示正弦函數(shù)波長；θ表示Gabor核函數(shù)的方向；ψ表示相位移動；σ表示高斯函數(shù)的標(biāo)準(zhǔn)差；γ表示空間的高寬比。

利用二維Gabor小波提取特征：第一步，設(shè)計濾波器。為了增強特征間的融合性及對人體目標(biāo)的描述能力，設(shè)定尺度為 2、方向為 4（0°、45°、90°、135°）。 第二步是從各個濾波器的輸出中提取Gabor紋理特征。本實驗中對 64*128進(jìn)行Gabor濾波以后的圖像進(jìn)行采樣，采樣后為16*32=512維的向量。同時，由于對原有圖像在4個方向和兩個尺度上進(jìn)行濾波，獲得1 024*4=4 096維的向量。Gabor變換響應(yīng)的平均值如圖4所示。

圖4 Gabor變換響應(yīng)的平均值Fig.4 Gabor transform the average response

由圖4可見，人體目標(biāo)區(qū)域的Gabor響應(yīng)平均值在圖中顯得比較突出，相應(yīng)最大值總是出現(xiàn)在人體目標(biāo)的邊緣。

1.4 加性交叉核支持向量機（IKSVM）

支持向量機（SVM）[6]是建立在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上，對特定訓(xùn)練樣本的學(xué)習(xí)精度和學(xué)習(xí)能力之間尋求最佳折衷，克服了神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)分類器的過學(xué)習(xí)、局部極值點和維數(shù)災(zāi)難等諸多缺點，具備較強的泛化能力。Maji等[7]人提出了加性交叉核 SVM的方法，其在性能上逼近非線性SVM，同時間復(fù)雜度上近似于線性SVM，完成了更好的性能平衡。

IKSVM通過一些特殊的交叉核來加速分類過程，設(shè)訓(xùn)練數(shù)據(jù)集為（yi，xi），yi∈{-1，1}，xi∈Rn定義加性交叉核函數(shù)為

采用IKSVM行人檢測分類器，在INRIA實驗結(jié)果表明，在 FPPW （False Positive Per Window）=10-6時， 漏檢率為0.189%；在FPPT=10-4時，漏檢率為0.026%。與線性SVM分類器漏檢率分別提高14%和12%。

2 算法論述

步驟1：輸入視頻圖像，采用背景減除法把可能包含行人的運動目標(biāo)檢測出來以避免窮盡搜索。

步驟2：尺度變換統(tǒng)一檢測窗口大小為64*128，提取運動區(qū)域。

步驟3：掃描運動區(qū)域按上述方法同時提取HOG、LBP、Gabor特征，形成融合特征集矩陣tx，矩陣的每行代表一個擴展的樣本特征向量，H（1）至 H（3 780）代表 HOG的 3 780維特征向量，L（1）至 L（1 888）代表 LBP 特征的 1 888 維向量，G（1）至 G（4 096）代表 Gabor特征的 4 096維特征向量，m 代表正樣本數(shù)量，n-m代表負(fù)樣本數(shù)量。向量ty中的 1和-1分別代表正負(fù)樣本。

步驟4：將融合特征矩陣tx和向量ty按式tx=TPT+E，ty=UqT+f（其中T和U是成分向量的矩陣，q表示載荷，f表示殘差）分解。然后通過NIPALS算法提取一個成分并初始化向量u；按計算步驟，循環(huán)往復(fù)直至收斂；最后對矩陣tx，ty進(jìn)行退化，并繼續(xù)提取成分，直到提取的成分進(jìn)行回歸能達(dá)到一個較為滿意的精度為止。

步驟5：通過加性交叉核支持向量機對正負(fù)行人樣本訓(xùn)練，其中，采用分段多項式函數(shù)去近似每1維函數(shù)，多項式參數(shù)預(yù)存在查找表中，可進(jìn)一步降低分類復(fù)雜度，提高分類速度。

步驟6：用訓(xùn)練好的行人分類器，檢測行人。

步驟7：標(biāo)注并輸出行人檢測結(jié)果。

3 實驗結(jié)果與分析

本文實驗在MATLAB2009a上實現(xiàn)，計算機環(huán)境配置為3 GHz CPU和4G內(nèi)存。采用libsvm工具包，選用加性交叉核支持機分類器。訓(xùn)練階段，數(shù)據(jù)來源于INRIA行人數(shù)據(jù)庫，正、負(fù)樣本統(tǒng)一分辨率大小均為64*128，實驗種使用3 516個正樣本和1 218個負(fù)樣本作為訓(xùn)練集。檢測階段，利用訓(xùn)練好的行人分類器，對選取的一段INRIAL[8]視頻進(jìn)行行人檢測。

對于64*128的檢測窗口，采用16×16大小（步進(jìn)8個像素）對窗口分塊，依次按上述方法同時提取HOG、LBP、Gabor特征，共得到9 764維新的特征向量集。通過偏最小二乘的方法計算各主成分權(quán)重，丟掉包含行人概率較低的檢測窗口，節(jié)省檢測時間。實驗結(jié)果使用檢錯率、漏檢率和虛檢率、檢測時間等來描述特征的分類性能。

在同一樣本庫、相同的實驗條件下，采用加性交叉核支持向量機分別對 HOG，LBP，HOG+LBP，HOG+LBP+Gabor 4類特征進(jìn)行訓(xùn)練，考察多特征融合檢測器的優(yōu)勢，訓(xùn)練結(jié)果如表1。

表1 基于不同特征的行人檢測效果對比Tab.1 Pedestrian detection results based on different characteristics of contrast

實驗結(jié)果表明，與單獨使用HOG或LBP特征相比，使用聯(lián)合特征 HOG+LBP、HOG+LBP+Gabor能獲得較高的檢測率；聯(lián)合特征HOG+LBP+Gabor在檢測性能上與HOG+LBP相比，又有了進(jìn)一步的提高。在相似的檢測率下，基于多特征的行人檢測系統(tǒng)具有更低的虛檢率。由于綜合了多種特征，豐富了行人目標(biāo)信息，從而提高了檢測性能。

使用融合特征，比較了線性核SVM和加性交叉核 SVM分類器在分類性能上的差別，結(jié)果列于表2。

由表2可見，線性SVM其訓(xùn)練和分類速度快速雖比IKSVM稍快，但檢測率、虛檢率不及加性交叉核SVM的方法。綜合快速的訓(xùn)練和分類速度、準(zhǔn)確的檢測率性能，加性交叉核SVM的方法更能完成較好的性能平衡。

表2 線性SVM與加性交叉核SVM分類器性能對比Tab.2 Linear SVM and IKSVM classification performance comparison

分別采用 HOG+IKSVM、HOG-LBP+IKSVM、HOG-LBPGabor+IKSVM 3種方法檢測行人，選取視頻中第50幀、第100幀和第150幀，對比檢測結(jié)果，如圖5。

圖5 行人檢測結(jié)果Fig.5 Pedestrian detection results

由3種方法的檢測結(jié)果表明，HOG-LBP+IKSVM在檢測率及漏檢率相對于HOG+IKSVM都有所提高；HOG-LBPGabor+IKSVM相對于前兩種方法不但能更準(zhǔn)確的檢測出行人，還解決了部分遮擋問題。

4 結(jié)束語

采用融合HOG、LBP和 Gabor這 3種特征算子，更加準(zhǔn)確、全面的描述了行人特征。由于融合后的特征向量集維數(shù)較高，引入偏最小二乘法（PLS）對融合特征集進(jìn)行降維；綜合平衡分類器檢測性能，采用加性交叉核支持向量機訓(xùn)練并實現(xiàn)行人檢測。實驗結(jié)果表明，本方法優(yōu)化了系統(tǒng)結(jié)構(gòu)，在降低誤檢率的同時保證了檢測速度。

[1]Dalal N，Triggs B.Histograms of oriented gradients for human detection [C]//IEEE Conference on Computer Vision and Pattern Recognition， San Diego，CA， USA，2005:886-893.

[2]Wang Xiaoyu，Han Tony X，Yan Shuicheng.An HOG-LBP human detector with partial occlusion handling[C]//IEEE International Conference on Computer Vision， Kyoto，Japan，2009:32-39.

[3]梁英宏.基于 Gabor變換和 Adaboost算法的人體目標(biāo)檢測分類器[J].計算機工程與設(shè)計，2009，30（24）:5790-5792.LIANG Ying-hong.Detect human target classification based on Gabor transform and Adaboost algorithm[J].Computer Engineering and Design，2009，30（24）:5790-5792.

[4]Wold H.Path models with latent variables:the NIPALS approach[M].Quantitative Sociology:International perspectives on mathematical and statistical model building，Academic Press，1975:307-357.

[5]Ojala T，Pietikainen M，Maenpaa T.Multiresolution gray scale and potation invariant texture classification with local binary pattern[J].IEEETransaction，2002，24（7）；971-987.

[6]Cortes， Corinna，Vapnik，et al.Support-Vector Networks[J].Machine Learning，1995，20，273-297.

[7]Maji S，Berg A，Malik J.Efficient classification for additive kernel SVMs[J].IEEE Transactions on Pattern A-nalysis and Machine Intelligence，2013，35（1）:66-77.

[8]Dalal N，Triggs B.INRIA person dataset [EB/OL].http://pascal.inrialpes.fr/human/，2009-10-09.