基于稀疏表示分类行人检测的二级检测算法 - 燕山大学学报.pdf

第４０ 卷 第 １ 期 燕山大学学报 Ｖｏｌ ４０ Ｎｏ １ ２０１６ 年１ 月 Ｊｏｕｒｎａｌ ｏｆ Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｊａｎ． ２０１６ 　 　 文章编号：１００７⁃７９１Ｘ（２０１６）０１⁃００６６⁃０８ 基于稀疏表示分类行人检测的二级检测算法 ∗ 胡春海 ，张凯翔，范长德 （燕山大学河北省测试计量技术及仪器重点实验室，河北秦皇岛０６６００４ ） 摘　 要：利用快速特征金字塔的方法进行行人检测，在检测的结果中存在许多误检的窗口，降低了检测行人的 精确度。 为了减少误检窗口数，本文提出了一种两级级联的行人检测方法：在快速特征金字塔检测结果的基础 上，利用稀疏表示分类的方法进一步地减少误检窗口的数量。 在训练阶段，分别对正负样本提取改进的ＨＯＧ 和改进的ＨＯＧ＋ＬＢＰ 特征，建立过完备字典；在检测阶段使用带有局部区域权重的稀疏表示求解稀疏系数，分 别求取正负样本稀疏系数之和，以它们的比例作为误检窗口的判别依据。 实验结果表明，加入二级检测器大大 减少了误检窗口的数目，降低了对数平均漏检率，提高了检测的平均精确度，在检测时间上基本满足了实时检 测的要求。 关键词：行人检测；稀疏表示；局部区域权重；ＨＯＧ ；ＬＢＰ 中图分类号： ＴＰ３９１．４　 　 文献标识码： Ａ　 　 ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１００７⁃７９１Ｘ．２０１６．０１．０１１ ［２］ ｂｏｏｓｔ 分类器实现了多种尺度行人的检测 。 Ｄａｌａｌ ０　 引言 和Ｔｒｉｇｇｓ 受到 ＳＩＦＴ （Ｓｃａｌｅ⁃Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓ⁃ ［３］ 行人检测作为目标检测研究的热点问题，研 ｆｏｒｍ ）算子 的启发，提出了方向梯度直方图特征 究的目的在于从不同的背景下检测出直立姿态的 （Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔ ， ＨＯＧ ） ，图像的一 行人。 它广泛应用于智能交通、驾驶辅助系统、视 些几何形变和光学形变对 ＨＯＧ 特征的影响很小。 频监控、机器人等领域，具有很高的商业价值。 行 Ｄａｌａｌ 和Ｔｒｉｇｇｓ 将ＨＯＧ 特征与ＳＶＭ 相结合进行行 ［４］ 人检测的技术难点在于复杂场景中光照和阴影的 人检测 ，检测效果超过了之前 Ｈａａｒ⁃ｌｉｋｅ 特征。 干扰，行人姿态、服饰的随机性以及遮挡等众多不 Ｆｅｌｚｅｎｓｚｗａｌｂ 和Ｇｉｒｓｈｉｃｋ 等人将改进的ＨＯＧ 特征 可控因素的影响，这些都为实现适应不同场景的 应用到变形部件模型（ Ｄｅｆｏｒｍａｂｌｅ Ｐａｒｔ Ｍｏｄｅｌ ， 高精度行人检测增加了难度。 ＤＰＭ ） 中，使用隐式支持向量机作为分类器（Ｌａｔｅｎｔ ［５］