基于PCA降維的多特征級聯(lián)的行人檢測研究

令曉明 ，郭銳辛 ，劉光廷 ，王銳東

（1.蘭州交通大學(xué) 國家綠色鍍膜技術(shù)與裝備工程技術(shù)研究中心，蘭州 730070；2.蘭州交通大學(xué) 機(jī)電工程學(xué)院，蘭州 730070；3.蘭州交通大學(xué) 光電技術(shù)與智能控制教育部重點實驗室，蘭州 730070）

0 引言

行人檢測就是指將視頻幀或者待處理圖像中出現(xiàn)的行人從背景中分割出來并給出位置信息。在行人檢測中如何能夠提取到更加全面的行人特征信息，一直是很多學(xué)者研究的方向。Dalal等提出的基于梯度方向直方圖描述行人輪廓的方法最具有影響力，其中HOG+SVM也成為了行人檢測領(lǐng)域內(nèi)的主流方法[1]，但缺點是HOG特征維高，計算量大，訓(xùn)練時間長。文獻(xiàn)[2]提出利用積分圖技術(shù)提高了HOG特征的計算速度，但對特征維度高的缺點仍未能解決。文獻(xiàn)[3]提出將HOG算子和描述紋理特征的LBP特征結(jié)合起來作為一種新的算法，提高了行人檢測遮擋問題的辨識能力，多特征的融合比單一特征具有更強(qiáng)的描述行人能力。文獻(xiàn)[4]利用HOG-PCA算法提取視頻幀中的行人特征，該方法在沒有太多遮擋的視頻幀中提高了檢測率，降低了特征維度，提高了計算速度。

因此，針對目前復(fù)雜背景下行人檢測提取特征維度高、訓(xùn)練時間長的問題，本文提出采用PCA降維的多特征級聯(lián)的行人檢測方法。多特征指提取行人的HOG特征、顏色頻率特征和膚色特征，采取串聯(lián)的方式將該3種特征作為行人檢測的描述子，最后結(jié)合SVM分類器進(jìn)行分類識別[5]。

1 算法理論及特征提取

1.1 HOG特征提取

HOG特征是一種局部區(qū)域描述符，它通過計算局部圖像區(qū)域上的梯度方向直方圖來構(gòu)成局部目標(biāo)的特征，能夠很好的表征出人體輪廓信息。該特征對光照的變化和梯度特征的少量偏移不敏感。

設(shè)像素處的灰度值為I，梯度幅值為G，梯度方向為θ，則輸入圖像中像素點處（x，y）的梯度為：

式中，Gx（x，y）、Gy（x，y）、H（x，y）分別表示輸入圖像中像素點（x，y）處的水平方向梯度、垂直方向梯度和像素值。

然后計算圖像中該像素點的梯度強(qiáng)度和方向：

1.2 HOG特征提取

本文檢測窗口大小為64×128，block為16×16大小，其中每個block細(xì)分為4個4×4大小的cell，要計算每個block內(nèi)的4個cell梯度方向直方圖。每個block內(nèi)的cell用9維的特征向量表示，一個block就為36維特征向量，最終得到105個block。這樣HOG特征的特征向量為105×36=3780維。如圖1所示，圖(b)是提取圖像(a)的HOG特征。

圖1 HOG特征提取

1.3 顏色頻率特征

盡管行人的衣著和形體變化較大，但是身體某些部位仍能夠提取到比較有特點的顏色特征信息，比如頭部、臉部、胳膊、手等部位，這些特征可以用顏色頻率來表征。HOG特征是在HSV空間計算得到的，在該顏色空間中計算梯度幅值最大的每個像素點處的梯度值和方向，一些重要的顏色信息可以用每個顏色空間中被選擇的次數(shù)來表示。本文統(tǒng)計方法為：用3維的直方圖在每個block中統(tǒng)計H、S、V三個顏色被選擇的次數(shù)，通過計算處理后得到3維的顏色向量，最后進(jìn)行歸一化[1]。這樣圖片中的每個block都可以用3維的向量來表示行人的顏色特征信息，實驗證明該提取方法可以增加行人特征信息，減少block中冗余信息的干擾，有效的改善檢測效果。

1.4 膚色特征

在YCrCb空間上，人臉部的膚色具有很好的聚類性，膚色信息在人臉檢測和人臉定位識別領(lǐng)域已經(jīng)得到了很好的應(yīng)用[6,7]。其原理是提取的行人膚色特征值集中在CrCb空間上某一范圍內(nèi)，利用這個原理把它與背景顏色區(qū)分開。

本文采用了INRIA數(shù)據(jù)集上正樣本中的行人照片，在CrCb空間作了膚色特征提取實驗，如圖2所示。該實驗證明了膚色在CrCb空間有很好的聚類性。膚色在Cr空間主要聚集在RCr[110，145]范圍內(nèi)，在Cb空間主要聚集在RCb[130，160]內(nèi)。假設(shè)顏色平面R（Cb，Cr）為一個矩形區(qū)域，那么在該區(qū)域內(nèi)的點，則屬于要提取的膚色信息。

圖2 膚色體征提取

2 本文方法

2.1 PCA降維

HOG描述子提取的特征向量緯度較高，且存在大量的冗余信息，這些冗余信息會降低計算機(jī)的分類速度和識別精度。PCA算法降維效果明顯，節(jié)省時間多。因此，本文選擇PCA（主成分分析法）對HOG特征向量進(jìn)行降維處理[8]。

假設(shè)對HOG進(jìn)行特征矩陣提取，得到的特征矩陣為Z（x1，x2，x3，…，xi，…，xn），其中第i個HOG特征向為量xi∈Rn；m個HOG特征向量組成訓(xùn)練樣本矩陣Z（x1，x2，x3，…，xi，…，xn），Zi∈Rm，其中每一列向量代表一個樣本緯度。

本文中HOG描述子提取的特征向量為3780維，因此通過優(yōu)化得到如下的目標(biāo)函數(shù)：

其中，ZHOG表示提取訓(xùn)練正樣本HOG特征向量，YPCA表示降維后的HOG-PCA特征向量。因此，最終特征向量為協(xié)方差矩陣W的前K個特征值λ1，λ2，…，λk所對應(yīng)的特征向量（YPCA1，YPCA2，…，YPCAK）。

2.2 多特征級聯(lián)

本文中輸入的圖像像素大小為64×128，分別提取行人的HOG特征、顏色頻率特征和膚色特征，然后對HOG特征進(jìn)行PCA降維處理，最終將該3種特征級聯(lián)形成HOG-PCA+Color（文中Color指代顏色頻率特征和膚色特征）特征，級聯(lián)后的向量為965維度。由于文中HOG提取的行人特征維度為3780維，因此為了確定合適的維度，本文做了大量的降維試驗，實驗結(jié)果如圖3所示。

由圖3可知，當(dāng)10≤K≤70時，隨著維度系數(shù)的變大，分類識別率也在提高；當(dāng)70

圖3 HOG-PCA維度與分類識別率的關(guān)系圖

3 實驗結(jié)果分析

3.1 實驗環(huán)境

本文實驗軟件采用MATLAB，計算機(jī)配置為：Intel（R）core i5-3470 3.2GHz和4GB內(nèi)存。在INRIA數(shù)據(jù)集上進(jìn)行實驗，本文訓(xùn)練時隨機(jī)選取正樣本1200個，負(fù)樣本1200個，樣本尺寸均為64×128。

3.2 實驗結(jié)果及分析

本文使用文獻(xiàn)[9]中建議的檢測錯誤權(quán)衡（Detection Error Tradeoff，DET）曲線作為行人檢測特征提取的性能評價方法。DET曲線中X軸代表圖片誤檢率（FPPI，false positives per image）；Y軸代表漏檢率（miss rate），其中miss rate=1-detection rate。

利用HOG-PCA對訓(xùn)練集進(jìn)行特征提取，SVM對樣本進(jìn)行分類，當(dāng)結(jié)合其他特征后，漏檢率下降很明顯，實驗結(jié)果如圖4所示。其中，Color與HOG-PCA結(jié)合后在SVM分類器上，檢測性能表現(xiàn)最好。在X軸上10-1作為參考時，HOG-PCA-Color比單一特征HOG-PCA特征識別率提高將近23%。

圖4 HOG-PCA加其他特征DET曲線對比圖

為了進(jìn)步一步證明本文算法的檢測效果，文中采用四種目前具有代表性的行人檢測方法與本文方法進(jìn)行實驗對比。在INRIA數(shù)據(jù)集進(jìn)行試驗，試驗過程參考文獻(xiàn)[3]描述，HOG-PCA-Color特征和其他特征方法試驗結(jié)果如圖5所示。選擇FPPI軸上10-1時作為參考，本文提出的算法檢測率是最好的，因為級聯(lián)特征包含了更多的行人信息，檢測器含有高分辨的行人特征，錯誤率大約為21%。Shapelet算子的描述能力不夠理想，錯誤率約為80%，HOGLbp的特征描述能力錯誤率也較高，約為60%，Hiksvm和Latsvm_v2在這四種代表性的算法中有著很好的描述行人特征的能力，錯誤率分別約為30%和36%。同時，本文方法的檢測時間比Latsvm_v2提高了13.16ms，比Shapelet提高了9.16ms。該對比實驗證明本文方法在INRIA數(shù)據(jù)集上檢測行人的能力相比于其他方法有著明顯的優(yōu)勢。

圖5 本文級聯(lián)分類器與其他特征分類器DET曲線對比

4 結(jié)語

本文針對現(xiàn)有的行人檢測方法中HOG特征冗余量大、維度高、單特征對復(fù)雜背景的行人檢測效果不理想等問題，提出采用PCA降維后級聯(lián)顏色頻率特征和膚色特征的模型，對傳統(tǒng)的HOG+SVM模型進(jìn)行了改進(jìn)。在INRIA公開數(shù)據(jù)集上進(jìn)行測試以及用本文提出的模型與主流代表算法進(jìn)行了比對試驗，結(jié)果表明，本文提出算法在行人檢測中效果遠(yuǎn)遠(yuǎn)好于單一特征，級聯(lián)后的算法模型在檢測效果和響應(yīng)時間上都優(yōu)于目前的主流算法，具有一定的可行性和使用價值。