基于HOG和block權重的快速人體檢測方法

石志強，趙向東，李文軍，張 挺

（航天科工集團第二研究院 207所，北京 100854）

計算機視覺處理是計算機人工智能的一個重要研究方向，它的最終目標是通過計算機模擬人類視覺，實現對現實場景的理解和推理。其中，對于輸入場景通過計算機實現目標的自動識別分類，即目標識別，是實現計算機視覺的一個基礎部分，也是目前的一個研究熱點。比較成功的商業化應用實例是人臉識別系統，它是通過計算機對人臉的智能識別，實現對不同人身份的確認。在人體識別方面，由于人體自身姿態、衣著的多樣性以及人體外觀變化大，目前尚沒有較為成熟的算法。

目前，人體識別主要有基于多模板匹配[1]、基于邊緣輪廓特征[2]和基于運動特征[3]等各種方法。然而，從實際效果來看，目前最好的是DALAL N和TRIGGS B提出的基于HOG特征的人體檢測方法[4]。DALAL N等人通過使用16×16大小的塊在檢測窗口中滑動，然后按一定方式統計塊中的梯度向量直方圖，將各個塊的梯度向量直方圖串聯，組成特征向量，最終利用SVM對獲取的特征向量進行訓練，獲取分類器。按照該方法，如果選擇檢測窗口大小是 128×64，block 大小為 16×16，cell大小為4×4，bin分為 9個方向，每次 block移動 8，那么獲得的向量大小為3 780維，檢測效果雖然理想，但是耗時，難以達到實時性的要求。

本文通過對基于HOG特征的人體檢測算法進行分析，提出了一種基于感興趣區域進行HOG提取的算法。該算法在適當影響檢測效果的條件下，能夠較好地減少計算量，達到提高計算速度的目的。

1 行人檢測算法

1.1 特征選取

HOG是DALAL N等人在2005年提出的一種基于梯度的特征提取過程，它的內容主要有4點：（1）使用梯度作為特征提取對象，將梯度向量劃分為統計bin；（2）將梯度向量圖劃分為網格狀的cell，以cell為單位統計梯度向量直方圖；（3）以 block為單位，對 cell進行統計，得到三維梯度向量直方圖，并進行歸一化，減少局部光照的影響；（4）收集所有的 block，合并成最終圖像的HOG特征向量。

輸入圖像像素點（x，y）的梯度按如下方式來計算：

其中，Gx（x，y）、Gy（x，y）、H（x，y）分別表示圖像像素點（x，y）處 x方向、y方向的梯度以及原始點像素值。像素點（x，y）的梯度和梯度方向定義為：

整個提取過程各概念之間的關系如圖1所示。

圖1 block和cell示意圖

在HOG特征提取過程中，block窗口按固定方式在檢測窗口的梯度向量圖上進行掃描獲取block塊內的局部特征，特征向量是通過對每個block塊的特征進行統計獲得的，整個HOG計算過程以block為單位。由圖1（b）可以看到，檢測窗口的大量block塊并不包含目標信息，真正包含信息的block是包含行人邊緣輪廓的block。為了提高檢測效率，可以采取降維的方式，通過選取包含人體信息、對分類有顯著影響的block作為最終的特征，剔除掉不包含信息的block，可以顯著地減少行人的特征維數，達到快速檢測的目的。

1.2 線性SVM

SVM[5]是基于Vapnik等發展的統計學習理論的支撐向量機，具有相對優良的性能指標。通過算法的學習過程，SVM可以自動尋找出那些對分類有較好區分能力的支持向量，構造出性能良好的分類器。

線性SVM假設樣本是線性可分的情況下，尋找到一個可以使訓練樣本完全可分的超平面將樣本分開，其本質上是一個凸二次規劃問題。該超平面描述為：

其中，“·”是點積，w是n維向量，b為偏移量。

已知一組獨立同分布的訓練樣本：

和假設函數集：

其中，Rd表示輸入空間。

線性支撐矢量機可以歸納為如下二次規劃：

最小化：

約束條件：

其中，C＞0為懲罰因子，其取值越大，對經驗誤差的懲罰也越大。

取p=1，通過Lagrange乘子方法，求原規劃式的Wolfe對偶規劃。

最大化：

約束條件：

求解上述二次規劃問題，得到最優的Lagrange乘子ai，那些對應于Lagrange乘子大于零的訓練樣本被稱為支持矢量。最終線性支持矢量機的判決函數具有如下形式：

將式（14）繼續整理，得：

令

得到：

由式（17）可知，|wj|越大，表示 xj是在行人識別中起較大作用的分量。因此，可以通過給出一個衡量block對分類影響大小的量block權重因子，通過對每個block權值的統計，尋找出在人體檢測中有較大區分能力的block，重新組成表征行人的特征向量。

首先對判決函數按block重新整理：

定義第k個block權重因子：

圖2為改進的二次訓練對block重新選擇的過程。訓練過程分為以下4步：

（1）利用線性SVM分類器對依據傳統HOG方法提取出來的特征進行訓練，得到支持向量的決策函數；

（2）根據式（19）對步驟（1）得到的決策函數中的wkj進行計算，得到各個block的權重因子；

（3）設定合適的閾值，選取權重因子高于閾值的block，即對分類影響較大的block作為二次訓練的block；

（4）以選擇的block組成特征向量重新訓練，得到最終支持向量的決策函數。

圖2 二次block選擇過程

2 實驗結果

為了證明該方法的有效性，本文在INRIA樣本庫上進行驗證。使用LIBSVM 2.88作為SVM工具，訓練樣本選取正樣本3 542個，負樣本4 542個，測試樣本選取正樣本1 000個，負樣本1 000個。

原始HOG算法每個block由36維特征構成，總共由105個block構成，描述行人的特征向量長度為3 780維。

其中感興趣block通過手動標定，選取包含輪廓特征的block組成特征向量。實際操作過程中，選取了41個包含輪廓特征的block形成1 476維特征向量，經過訓練獲取SVM決策函數。

二次block選取過程基于block權重因子對block進行選擇，選取符合條件的block重新提取特征向量進行訓練，獲取SVM決策函數。在實際實驗中，首先通過原始HOG學習過程獲取SVM決策函數，經過計算，獲得block權重因子，選取閾值為0.5，對block權重因子進行篩選，得到實際符合條件的block為20個，如圖3所示，利用這20個block重新生成720維的特征向量，經過訓練獲取SVM決策函數。

圖3 block權重因子以及檢測閾值

分別利用3種不同的方法通過改變決策函數中的閾值b對測試樣本進行檢測，得到漏警率和虛警率的關系如圖4所示。

圖4 三種不同方法效果比較

由圖4可以看出，在3種檢測方式中，原始HOG檢測方式檢測效果最好；通過人工選擇感興趣區域，保留41個block后提取特征向量進行分類，檢測效果有一定的下降，這主要是由于人類主觀經驗的不足，不能完全合理確定起主要作用的特征，導致特征選擇不充分的原因。

二次block訓練的方法通過引入block權重的概念，利用原始訓練得到的決策函數中的信息來確定感興趣block，在選取的block數目減少到原始的1/5即20個時，在顯著提高計算速度的情況下仍然能夠得到較精確的分類器。

實驗結果證明，本文提出的兩種減少特征維數、提高分類效率的算法在實際的應用中較為有效。

HOG特征是目前在行人檢測過程中較為有效的一種方法，在人體檢測過程中有著很高的識別率，然而HOG由于計算量較大、檢測速度慢，因此限制了HOG的應用。本文通過對HOG的分析，發現可以通過減少HOG中冗余block，從而減少計算量，提高檢測速度。

[1]呂治國，徐昕，賀漢根.基于可變模板和支持向量機的人體檢測[J].計算機應用，2007（9）：2258-2261.

[2]陳實，馬天駿，黃萬紅，等.基于形狀上下文描述子的步態識別[J].模式識別與人工智能，2007（6）：794-799.

[3]韓鴻哲，王志良，劉冀偉，等.基于線性判別分析和支持向量機的步態識別[J].模式識別與人工智能，2005（2）：160-164.

[4]DALAL N，TRIGGS B.Histograms of oriented gradients for human detection[C].CVPR’05， 2005.

[5]焦李成，周偉達，張莉，等.智能目標識別與分類[M].北京：科學出版社，2010.