基于HOG和SVM的人体检测技术在静态图像中的研究.pdf

《基于HOG和SVM的人体检测技术在静态图像中的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、臼窒攫告日器麦旦Doi：l0．3969~．issn，1671-1041．2012。05，004基于HOG和SVM的人体检测技术在静态图像中的研究程和生’，胡幸福(1．合肥师范学院计算机系，合肥230601；2．中科院光电技术研究所，成都610209)摘要：本文首先对HOG特征进行描述，包括图像归一化、梯度计算、梯度方向直方图统计、归～化及描述子生成、特征描述块；然后介绍SVM算法，实验中用的SVM核是线性核；然后介绍训练的过程。包括样本图像的个数及大小；最后用实验证明基于HOG特征和SVM算法的人体检测具有比较好的效果。关键词：HOG；SVM；人体检

2、测中图分类号：TP391．41文献标志码：AThestudyonthehumandetectiontechnologyinthestaticimagebasedonH0GandSvMCHENGHe-sheng，HUXing—fu(1．HefeiNormalUniversity，Hefei230601，China；2．AcademyofOpto—electronics，ChineseAcademyofSciences，Chengdu610209，China)Abstract：ThispaperdescribesHOGfeature，includingi

3、magenormalization、gradientcomputation、gradientdirectionhistogram、normalizedanddescriptorgeneration、characterizationofblock；thenintroducestheSVMalgorithm，theSVMkernelusedintheexperimentsisthelinearkernel；thenintroducesthetrainingprocess，includingthenumberandsizeofthesampleimages

4、；finally．theexperimentsshowthathumandetectionbasedonHOGfeaturesandSVMalgorithmhasabetterefect．Keywords：HOG：SVM：humandetection0引言地提取出人体，但Ncut方法的不足之处在于其运算速度太人体检测技术在计算机视觉中有很多重要的应用，例慢，目前根本没有办法实现实时的检测。如驾驶辅助系统、视频监控、图像检索、机器人和高级人3)利用统计学习的方法对人体进行检测。这方面具有机交互等。静态图像中的人体检测不能提取目标的运动信代表性的是麻省理

5、工学院的Paggio基于SVM的人体检测。息，而且通常情况下，人体形状的变化比较复杂，人体可该方法是通过学习样本建立分类器，然后对人体检测，虽能穿着各种颜色和各种风格的衣服，人体图像分辨率都不然训练速度比较耗时，但检测速度快且能达到比较好的检会太高，很难有比较明显的特征可供提取。因此检测静态测效果。图像中的人体是一个非常困难的任务。本文的算法是基于机器学习的人体检测技术研究，目前，静态图像中的人体检测主要可以分为三类：目前常用于统计学习的人体特征有HOG(Histogramof1)利用人体模型进行匹配的检测方法。这方面具有orientedGradie

6、nts，梯度方向直方图，简称HOG)、Hart代表性的是牛津大学(Oxford)教授Felzens—zwalb提出的模小波特征、SIFT特征、Edgelet、可变模板特征等。型匹配检测方法⋯。这种方法最好的应用在于能对复杂姿态的人体进行准确的检测并且刻画出其运动模式。但是由通过研究和对比，我们发现：稀疏局部特征无法完于匹配算法过于复杂，难以达到系统实时的要求，而且在整地描述人体对象，衣服的颜色和人体对象的亮度千变万背景复杂的情况下检测效果欠佳。化，而方向梯度直方图则能很好地勾勒出人体对象的轮2)利用图像分割的方法进行人体检测。其代表性的廓，因此，方向

7、梯度直方图特征最适合于人体对象的检著作是卡耐基梅隆大学(CMU)的华裔教授ShiJianbo提出测。在分类算法中，我们选择了简单实用的支持向量机的NormailzedCut(Ncut)方法。后来yu等人使用图层的SVM，作为一个二值分类器，它能够明确地判断特征向量中模型结合Ncut进行更为复杂背景下的分割。Ncut的方法有／无人体对象。因此，本文算法是建立在HOG特征的svM算能够很好地对图像进行分割并且提取出人体，能较为准确法的基础之上。图l是本文算法的流程图。2O旦(Vo1．12O12No．5置麦用臼窭拯告臼有RGB、HSV、CMYK、LAB、Y

8、UV等。在进行HOG特征提取时，Lowe通过比较几种不同颜色空问的表示，发现颜色信息对检测结果有一定的帮助，