基于有向直方圖的人體上半身檢測方法

陳亮亮 汪文彬 李應勇

摘要：已有的人體上半身檢測方法一般是建立在行人站立或者是行走的平視圖上，需要從多個角度對人體進行檢測。為此提出基于有向直方圖的人體上半身檢測方法，該方法把人體上半身的梯度方向直方圖統計信息作為檢測目標的特征，提取檢測樣本，從而準確的對人體上半身進行檢測，通過實驗分析發現提出的方法不僅檢測效率高且檢測速度也相對較快。

關鍵詞：有向直方圖；人體上半身；檢測樣本

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2018）08-0103-01

在當前國際上現有的人體上半身檢測方法當中，主要都是針對站立行人的平視圖。這些方法當中最具代表性的方法主要有神經網絡與全面感知域相融合的方法[1]；類哈爾與自適應的分類器結合的方法；向量機支持和梯度方向直方圖相結合辦法，紋理和長方形相結合的檢測方法等等[2]。但是這些方法都主要應用于無人車駕駛、車輛輔助駕駛以及目標分類或者安防視頻監控等場合，再具體的實際應用當中，這些方法的操作流程也較為復雜，且操作難度較大。基于有向直方圖的人體上半身檢測方法作為一種新型的人體上半身檢測方法，能夠有效的解決當前現有的人體上半身檢測方法當中的不足，其操作流程就為方便且耗時較短，能夠有效的提高檢測質量和檢測效率。

1 基于有向直方圖的人體上半身檢測方法研究

1.1 檢測人體上半身特征

本文方法主要是以計數為目的的人體上半身檢測，對人體進行特征提取、特征判別以及最終的計數。但是，在真實的環境中，有向直方圖中人體上半身并非使呈現出團塊特征，由于受到人體的站姿、位置以及衣服的影響，有向直方圖中人體上半身的特征提取并不直觀，有時候它只是顯示出一個顏色均勻的板塊[3]。為此，在基于有向直方圖的人體上半身檢測方法當中如果僅僅依靠特定形狀或者特定顏色來檢測目標是比較片面的。通過實踐分析人體上半身圖像，可以發現，在這些圖像當中，人體的左右肩膀呈現出不對稱的特征，因此可以利用這一特征進行信息提取和分析，以此來提出一種適用于人體上半身檢測的度方向描述算子。

1.2 檢測和分析人體上半身HOG 算子

本文所提出的方法主要是以人體上半身區域梯度方向的統計信息作為一個最終檢測目標的特征，之后在使用SVM進行分類判斷。結合HOG方法在靜態圖像中的人體上半身檢測中，通過HOG方法能夠有效的描述出人體上半身圖像的邊緣方向分布和梯度分布。本文方法的算子計算過程相對簡單，且計算精準度較高。相對于HOG算子，本文方法的算子主要包括以下兩個部分。

1.3 直方圖統計的最小單位

目前，我國已有的人體上半身檢測方法它是將檢測目標圖像劃分成9×8=72個Blocks，并且每一個Block還包含2個Cell，并且該檢測方法是以Cell作為最小單位統計梯度方向直方圖。而本文所研究的基于有向直方圖的人體上半身檢測方法不是以Cell作為最小單位統計梯度方向直方圖，基于有向直方圖的人體上半身檢測方法它以Block作為最小單位統計梯度方向直方圖，這樣做的主要目的是為了弱化細節特征。在劃分目標時，基于有向直方圖的人體上半身檢測方法采用了大尺度的Block，它把目標劃分為8個Block，以此來突出目標區域自身的穩定性特征。

1.4 歸一化處理

為了減少周邊環境對檢測結果的影響，在進行特征處理時一般都會進行特征歸一化處理。當前現有的歸化一處理主要的針對每一個Block進行單獨的歸化一處理，以此來有效的處理器局部邊緣特征。而本文所研究的基于有向直方圖的人體上半身檢測方法則側重于梯度方向的區域檢測，首先需要統計目標的Block梯度方向區域特征值，然后在對針對區域目標中所有Block的梯度方向區域特征值進行統一的歸一化處理，這中方法也可以被稱作為對目標特征向量整體歸一化處理方法。

1.5 檢測框架研究

如圖1所示為本文所研究的基于有向直方圖的人體上半身檢測方法檢測整體框架圖。

2 試驗分析

為了驗證本文所研究的基于有向直方圖的人體上半身檢測方法的有效性，特意進行了此次試驗檢測。如表1所示，此次實驗總共選取了三組數據對比，總共300張完整的人體上半身圖像。第一組為200張，并且每一張當中只有一個目標；第二組為50張，其中每一張里面有兩個目標；第三組為50張，其中每張至少有三個目標。

通過實驗分析發現，傳統的HOG算子比本文所研究的算子在準確率上要低，大約低3-5個百分點，并且本文所研究的方法更具有實用性。

3 結語

本文所提出的基于有向直方圖的人體上半身檢測方法，與當前的人體上半身檢測HOG算子相比，它沒有對局部區域梯度方向信息進行重復統計，誕生它采用了更大角度范圍，從而有效的對目標邊緣輪廓及其區域范圍進行了梯度方向的統計。

參考文獻

[1]孔月萍，劉霞，謝心謙，等.基于梯度方向直方圖的人臉活體檢測方法[J].激光與光電子學進展，2018，55（03）：149-151.

[2]徐海洋，孔軍，蔣敏，等.基于時空方向主成分直方圖的人體行為識別[J].激光與光電子學進展，2018，55（06）：201-203.

[3]郭永茂，周石博，高艾.基于方向梯度直方圖的隕坑預檢測算法[J].無線電工程，2018，48（06）：478-483.