武汉大学 电子信息学院, 湖北 武汉 430079
采用启发式、有监督的部位筛选方法组成了一种多部位集合的检测模型, 用于缓解遮挡和形变对人体检测造成的影响。该模型通过比较人体同部位上关节点间的Procrustes距离, 在训练集中获取有着相似姿态的同部位样本; 将梯度方向直方图(HOG)作为特征, 由典型部位分别训练出判别模型; 比较其在验证集上的检测效果, 从中筛选出检测率高的部位和未检出的图片, 再寻找对未检出图片检测率高的部位, 由这些部位组成混合模型。用混合模型检测时, 由Kullback-Leibler距离判断各部位在图片上的不同响应是否属于同一人, 以此来确定人体的外接矩形框。在INRIA人体库上的测试表明, 本文采用的模型在误检率(FPPI)为0.5时有81%的检测率, 高于有77%检测率的Poselets算法。本文基于Poselets, 结合HOG的特点采用了一套有监督的部位筛选机制, 使得模型成员数大幅度减少, 检测时间比原始方法下降了50%, 同时取得了优于Poselets的检测效果。
梯度方向直方图 部位模型 支持向量机 人体检测 Histogram of Oriented Gradient(HOG) poselets support vector machine pedestrian detection 光学 精密工程
2013, 21(11): 2906