基于Gabor小波與HOG特征的目標檢測方法

薛 茹，常岐海，吳宗勝

(1.西藏民族學院信息工程學院，陜西咸陽712082;2.長安大學信息工程學院，陜西西安710064;3.西安理工大學機械與精密儀器工程學院，陜西西安710048;)

計算機視覺中目標的檢測和跟蹤是智能交通、智能監控、體育視頻內容分析等領域的重要基礎。因此，為了推動視頻監控系統智能化的發展，在理解目標的行為之前，對場境中目標的自動識別是實現智能化必不可少的一部分，也是近幾年計算機視覺發展的重點和熱點。目標的識別是在目標運動范圍內提取目標的有效特征，并根據此特征進行目標的分類;其中最關鍵的是如何提取有效、魯棒、完整的特征，來提高目標分類的精確度。盡管文獻中已經有許多目標識別方法，但是目標的自動識別問題還遠未解決［1－2］。

當前已經有了很多目標識別方法，這些方法一般分為兩類:提取特征和構建分類器。提取特征主要是從大量的訓練樣本中提取目標和非目標的特征，用這些特征訓練分類器。在測試中，該分類器在整個輸入圖像中尋找特定對象模式。這種方法在許多檢測不同對象過程中非常有效，例如人臉識別［3］和車牌識別［4］。關于檢測特征的方法可以區分為全局特征和局部特性。局部特征和全局特征的區別在于，全局特征是對整個圖像操作，而局部特征是針對圖像的一塊區域操作。眾所周知的全局特征提取方法是主成分分析(PCA)法，其缺點在于如果檢測目標在外觀、姿勢和照明條件上有很大的變化，提取不出有意義的特征。另一方面，局部特征方法由于提取的特征針對圖像的部分區域，對這些問題更不敏感。局部特征提取的常用方法有小波系數［3］、梯度方向［5］和區域協方差［6］。局部特征的方法是對人身體各部分進行檢測，然后對各部分的結果進行融合，再用分類器完成對目標的檢測。局部特征檢測的優勢是可以處理由于身體關節引起的目標不同的外形。然而，這種方法增加了目標檢測過程的復雜性［7］。文獻［8］對幾種目標檢測方法的性能通過分類器接收操作特性(Receiver Operating Characteristic，ROC)檢測其性能和效率。檢測的方法包括PCA、局部接收場(LRF)特征［9］、Haar小波的不同特性訓練神經網絡、支持向量機［10］和 k－NN(神經網路分類器)，得到的結論是SVM與LRF特征結合的方法性能最好。同時也可以看到基于全局特征的檢測器性能大于局部特征檢測器。這可能是由于目標外形有太多變化，像PCA的全局特征能更好地為目標建立穩定的模型。近幾年方向梯度直方圖(HOG)特征在目標檢測中的應用使目標檢測技術有了很大進步，HOG算子成功之處在于它采用了梯度的統計信息描述目標的局部輪廓。文獻［5］中用HOG算子表示一個位置上用固定大小的目標塊，塊大小固定化是為了降低計算量;在此基礎上提出了很多改進的方法，如文獻［7］，考慮到固定大小的HOG塊漏掉了全局線索，因此它采用了可變大小的(VHOG)塊，以不同大小的塊獲得更多的信息，并用線性SVM形成弱分類器，然后用級聯Adaboost機制識別目標，從結果中可以看到這種方法比原始的HOG方法性能好。

本文在文獻［5］和文獻［7］方法的基礎上，結合HOG特征，提出一種基于GHOG與realboosting方法結合的目標識別方法。Gabor小波強調圖像在同一頻率的特征成分，辨別局部目標和提取尺度、旋轉、變換、光照變化不變的局部特征［11］。特別適合急劇變化的目標，比如視頻監控中移動的目標。因此，Gabor小波從局部區域捕獲信息，并且將不同方向、頻率和尺度的相應濾波信息進行結合，用來表示復雜的目標［12］。這樣，由于包含了幾個Gabor圖像，每個濾波有好幾個Gabor圖像，能維護和增強目標的整體信息。這種豐富會反映在HOG特征提取方法中，本文中的Gabor特征的融合能增強圖像中的相關信息，并降低其他信息的影響，排除干擾和影響分類性能的混亂數據。Gabor預處理后，相關的目標信息被增強，不相關的信息和數據被排除，提高了HOG算法的全局性能。

1 GHOG特征提取

1.1 Gabor小波變換

Gabor小波變換是被Gabor提出使用在1D的信號分解，是時頻域分析在時域和頻域最優化的決策。由于它的形狀類似于視覺皮層簡單細胞的可接收場，從數學上講它在測量局部空間頻率上Gabor小波是最佳的;在模式識別中Gabor小波能產生畸變寬容特征空間，廣泛引用在紋理分割、字符識別、指紋識別領域中。

在空間域，2D Gabor小波可以看作是被正弦平面波調制的一個高斯核。Gabor小波函數的定義為ψ(ku，v，r)

式中:r=(x，y);‖·‖ 表示范數運算;ku，v=kveiφu，kv=kmax/fv;φu=πu/8;f為核函數在一個限定域中的間隔因子;在介于4到16像素中，u和v分別表示Gabor濾波器的方向和尺度。用Gabor濾波函數對目標圖像的濾波，可以通過與圖像的卷積來實現。

式中:I(z)表示目標的灰度圖像z=(x，y);* 表示卷積運算。在運算中卷積除了在空間范圍內逐個像素進行，還要在頻域中按高斯窗口寬度、振蕩方向、波長進行。

為了在實際采樣過程中較全面地得到細節紋理，需要均衡v，u或kv，取值，即盡量在不同的尺度和方向上均勻取值。在［0，π］范圍幾乎覆蓋采樣所需的所有方向空間，因此，u或Qu可以在該范圍內連續取值。當然，方向選取越多，得到的紋理信息越接近實際，但是同時會使采樣獲得的特征維數增多，運算復雜度加大;所以本文采用均勻離散采樣的方法，使每個方向上都有采樣點。這樣通過5 個尺度(v∈ {0，1，2，3，4})、8 個方向(0 ～7π/8)進行采樣，u∈ {0，1，2，3，4，5，6，7}。

1.2 Gabor特征融合圖像

從圖1中可以看出，5個尺度、8個方向會生成40幅Gabor特征圖像，如果直接用HOG方法提取特征會使接下來的分類過程計算量和內存成本大大提高，為了使目標識別系統更加有效但又不丟失其特征，需要對Gabor特征進行融合。

1)方向融合

本文首先采用文獻［13］提出的全局編碼的形式，對Gabor特征在同一尺度的多個方向上的特征進行編碼，這樣能有效降低Gabor特征的維數，又能保證方向特征信息不丟失。

根據QBC，對于每個像素的5個尺度、8個方向的Gabor特征，可以對每個像素進行編碼。針對每個像素在給定尺度時根據不同的方向上的Gabor特征的實部和虛部進行編碼。GCv(z)表示為像素z在尺度v的編碼。(z)與(z)分別表示Gabor的實部和虛部編碼，i=7表示從0～7的8個方向。編碼完成后，實部和虛部都是8個二進制位表示，其表示的十進制數字的范圍為［0，255］。

圖1 圖像Gabor特征提取過程

編碼之后每個像素可以用8位二進制數表示，剛好符合灰度圖像像素的表示范圍，對編碼之后的圖像提取(如圖1)后發現，紋理比較豐富。

2)尺度融合

融和后的圖像還有5個尺度上的特征，從圖1可以看出，融和后的圖像在5個尺度上紋理比較相似，由此可見存在一定的數據冗余，為了讓融合后的圖像簡單、有效地展現其Gabor特征，又能保證其特征信息不丟失，可以對其5個尺度繼續進行融合。

在方向融合的過程中發現，每個像素都可以由一個類似灰度的編碼表示。為了保證5個尺度上編碼信息不丟失，采用對每個像素編碼的十進制數求均值的方法，這樣既能兼顧每個尺度上信息，又能降低數據的維數，降低計算量。公式為

從圖1可以看到，尺度融合后的圖像能從整體上顯示出人的輪和紋理，剔除了由于陰影、姿態等造成的干擾。由此可見，Gabor特征的融和圖像能夠鑒別出目標的紋理特征，另外，由于HOG對于紋理圖像特征的檢測效率較高，因此Gabor特征圖像進行直方圖特征提取。

1.3 HOG特征提取和分類

在實際中，為了提高HOG方法檢測的精度，在單元格內計算時采用了重疊單元的歸一的方法，通過歸一化能有效提高檢測結果的穩定性。本文在此輸入的圖像是Gabor特征圖像，其本身紋理和輪廓就比較明顯，為了更清晰地提取目標的紋理和輪廓信息，對此采用HOG的方法提取目標特征。

為了對檢測到的Gabor圖像中顏色的變化和反差進行定位，需要計算每個像素的梯度，用2個一維的簡單算子，水平方向采用［－1，0，1］，垂直方向用［－1，0，1］T。在計算方向直方圖的過程中，需要2×2的單元，每個單元9個方向通道，每個窗口中會有一個包含36個特征的向量。這樣，每幅圖像一共有21×36=756個特征。根據文獻［5］中對于塊的歸一化問題采用L2Hys的方法，設v為塊向量，對其標準化后的Vnorm為

式中:ξ為一個近似為0的正數;‖·‖2為二范數，根據塊的空間位置其向量按順序排列，這樣就形成了GHOG統計特征。

考慮到GHOG特征的維數偏大，訓練樣本的數目也非常大。傳統的神經網絡分類方法，其學習時間過長，如果用其來構造目標識別的分類器學習時間超過1 h;雖然SVM方法需要的學習時間比較短，但是在檢測過程中花費的時間較長，這樣使用SVM方法就不能實現實時檢測的目的;Boosting方法學習時間不長，檢測的速度也比較快。和RealAdaboost方法相比，Adaboost方法是采用二值判斷的，而RealAdaboost方法采用的命中率(即置信度)來描述目標識別的精確程度。開始時的分類器是在一個開練集中訓練得到的，用初始的分類器從大量目標圖像中對目標隨機樣本中的GHOG特征進行識別，根據識別的結果計算每層的誤警率，并且在下一層的學習中不斷增加負樣本。HOG特征提取如圖2所示。

圖2 HOG特征提取

2 試驗與分析

對于目標檢測，已經有幾個公用的標準數據庫，本文采用的INRIA幾乎覆蓋了所有的視點和姿態的變化。它包括了訓練用的2 478個正樣本和1 218個負樣本。由于INRIA數據集中都是分割后的樣本，因此對分類方法中的訓練算法比較有效。另外本文還采用MIT的目標數據集，其中包含正924張目標圖片，沒有負樣本。通過MIT與INRIA標準數據庫訓練分類器，將圖像分為兩類，目標和非目標。分類器首先通過訓練圖像進行學習，然后對測試圖像進行檢測。

2.1 試驗結果

用該方法測試PET2009的數據庫，根據INRIA數據集，用INRIA訓練樣本對本文提出的方法進行學習，另外，采用查全率和精確率測量來檢測本文提出的方法，結果如表1所示。查全率是檢測正確目標的數目除以目標的總數目(tp為正陽性數目，檢測到且是目標像素的數目;fn為沒有檢測目標像素的數目);查準率是檢測到目標像素數目除以檢測目標像素數目(tp真陽性與假陽性fp的和)。

表1 PET2009檢測中的查全率和查準率

視頻PET2009的視頻序列中，seq2中目標存比較擁擠、遮擋比較嚴重的現象，因此檢測查全率和查準率都不高;相反在seq1中，人行較少，且幾乎都是獨立存在的，因此查準率為1，同樣seq3和seq4中目標大部分是獨立的，所以查準率也較高;seq3中，目標比較清晰且無遮擋因此查準率比其他高。

2.2 結果分析

為了進一步證明本文提出方法的性能，在實驗中將本文的方法與其他目標檢測方法進行對比，其中包括HOG_SVM［3］、VHOG_CAdaboost［5］方法。比較的方法采用錯誤率(MissRate)和每個窗口的假陽性(FPPW)的曲線圖，FPPW定義如下

比較結果如圖3所示。HOG_SVM方法的數據是通過開放源碼HOG和LinSVM及論文的結論;VHOG_CAdaboost方法的數據結論來自于文獻。從圖中可以看到本文提出的方法比基于HOG的方法性能優越，在FPPW為10－5時，本文的方法達到了9%的漏檢率，比HOG_SVM方法低了8%。

圖3 與傳統方法在INRIA數據集中的比較

3 結論

Gabor濾波方法是目標分類特征提取較的好方法，但是由于Gabor特征的維數很大，因此會占用大量的內存和計算時間。因此在設計分類方法時應考慮到特征的維數。另外，將1幅圖像和40個Gabor小波進行卷積計算量也是非常大的，這將使Gabor不能應用于實時目標檢測中。本文提出的方法能在提取Gabor特征的同時對圖像的Gabor特征在方向和尺度上較好地融合，并保持原圖像的特征，形成Gabor特征圖像;通過對Gabor圖像進行HOG提取進行目標檢測，能有效降低錯誤檢測率;另外該方法選取了RealAdaboot的方法進行分類，在時間上有效彌補了提取Gabor花費的時間，在Gabor特征圖像融合過程中采取了編碼的方式，使計算量也有效降低。因此該方法在節約內存和降低計算量方面有更好的性能。

［1］張壯暑，蔡曉東，張學敏.監控視頻中運動目標識別分類系統研究［J］.電視技術，2012，36(23):165－167.

［2］張建飛，陳樹越，劉會明，等.基于支持向量機的交通視頻人車識別研究［J］.電視技術，2011，35(15):1－3.

［3］ VIOLA P，JONESM J.Robust real－time face detection［J］.International Journal of Computer Vision，2004，57(2):137－154.

［4］ AMIT Y，GEMAN D，FAN X.A coarse－to－fine strategy for multiclass shape detection［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2004，26(12):1606－1621.

［5］ DALAL N，TRIGGSB.Histograms of oriented gradients for human detection［C］//Proc.IEEE Conference on Computer Vision Pattern Recognition.San Diego:IEEE Press，2005:886－893.

［6］ TUZEL O，PORIKLIF，MEER P.Human detection via classificationon Riemannian manifolds［C］//Proc.IEEE Conference on Vision Pattern Recognition.Minneapolis:IEEE Press，2007:1－8.

［7］ ZHU Q，AVIDAN S，YEH M C，et al.Fast human detection using a cascade of histograms of oriented gradients［C］//Proc.IEEE Conference on Computer Vision Pattern Recognition.［S.l.］:IEEE Press，2006:1491－1498.

［8］ MUNDER S，GAVRILA D M.An experimental study on pedestrian classification［J］.IEEE Trans.Pattern Anal.Mach.Intell.，2006，28(11):1863－1868.

［9］ WHLER C，ANLAUF J.An adaptable time－delay neural－network algorithm for image sequence analysis［J］.IEEE Trans.Neural Netw.，1999，10(6):1531－1536.

［10］ TAYLOR J，CRISTIANINI N.Support vector machines and other Kernel－based learning methods［M］.Cambridge，U.K.:Cambridge U-niversity Press，2000.

［11］ KYRKIV，KAMARAINEN JK.Simple Gabor feature space for invariant object recognition［J］.Pattern Recognition Lett.，2004，25(3):311－318.

［12］ KRUGER V，SOMMER G.Gabor wavelet networks for efficient the adopts estimation［J］.Image Vision Computer，2002，20(9－10):665－672.

［13］ ZHANG Baochang，SHAN Shiguang.Histogram of Gabor phase patterns(HGPP):a novel object representation approach for face recognition［J］.Trans.Image Processing，2007，16(1):57－59.