李玲 李艳乐

DOI：10.19392/j.cnki.16717341.201720002

摘要：针对行人检测系统自身实时性和鲁棒性的需要，提出一种多种特征融合的行人特征提取算法。该算法对Haarlike特征易受光照影响鲁棒性差的不足进行改进，并结合Edgelet特征能够有效处理行人遮挡的优势，通过特征融合提高系统的检测精度和效率。

关键词：行人检测；Haarlike特征；Edgelet特征

智能交通系统是一个全面综合的交通运输管理系统，目的是为了减少交通事故、提高交通效率等。基于视觉的行人检测技术是智能交通系统发展应用的核心技术之一，是开展行人行为理解、交通参数提取等后续工作的基础和前提。由于行人自身的非刚体性和交通环境的复杂性，使得建立一个成熟的、实用化的行人检测系统非常困难，主要面临的问题是：（1）检测场景自身复杂性的问题；（2）行人的姿势不确定问题；（3）行人检测实时性的问题。因此，建立一套适用的行人检测系统还有很多的提升空间，其中对行人检测算法进行改进是解决问题最有效的方法。

1 行人检测原理及方法

基于视觉的行人检测技术一般是通过摄像头对监控区域进行拍摄，再通过图像处理、模式识别等技术把行人从视频中提取出来。行人检测方法主要有：（1）基于背景差分的检测方法。（2）基于帧间差分的检测方法。（3）基于模板匹配的检测方法。（4）基于光流的检测方法。（5）基于机器学习的检测方法。行人检测特征提取算法都具有各自的优点，同时也存在各自的不足，单独使用往往不能满足场景自身的复杂性和时不变性的要求，为此，本文通过使用两种特征提取算法，在保留并改进原算法优点的基础上，通过相互融合，弥补两种算法的不足，使该算法能更好地实现行人检测。

2 多种特征融合算法

本文主要对Haarlike特征和Edgelet特征进行特征融合，如下图所示。首先使用Haarlike特征进行行人检测，在保留Haarlike特征实时性好的优点下，通过引入局部二元模式减弱易受光照影响的弱点，使其能够适应复杂场景的变化，得到较高的行人检测率，但同时产生了较高的虚警率。为了进一步降低系统检测的虚警率，对使用Haarlike特征进行行人检测后的候选人进行Edgelet特征检测，充分发挥了Edgelet特征检测的优势。通过 Edgelet特征对已检测的候选行人进行再判别，不仅降低了Edgelet特征计算量庞大的缺点，而且消除虚警率并实现较高精度的快速行人检测。

多种特征融合算法行人检测系统图

（1）基于 Haarlike 特征的行人检测。

Haarlike 特征是行人检测领域中的一种常用标量特征，其优点是算法简单并容易实现，实时性较好，适用于行人较为稀少，遮挡情况不严重的行人检测环境。主要计算公式如下：

F（r）=α∑（x，y）∈SBi（x，y）-β∑（x，y）∈SWi（x，y）

其中SB表示深色区域，SW表示浅色区域，i（x，y）表示像素点（x，y）的值，α，β分别表示黑色区域和白色区域的数量。

针对Haarlike 特征容易受到光照变化、环境遮挡等因素的影响，为了加强其光照不变性，将Haarlike 特征进行二值化，对其加以改进，计算方式如下：

bj（x）=1（s1）j-（s2）j>00otherwise

（s1）j和（s2）j分别是黑色区域和白色区域内像素点的亮度值之和。通过对传统Haarlike 特征进行二值化改进，使得Haarlike 特征只含有标志信息，减少光照的影响，不会因为外部光照的变化而引起特征值的改变。

（2）Edgelet 特征。

Edgelet 特征主要对人体的各个部分（头、身体、胳膊和腿）进行识别，并结合联合概率进行判断检测的物体是否为行人。该算法的优点是能够在行人相互遮挡的情况下取得良好的检测效果，但是缺点也很突出，需要和图像中大量的相似形状边缘进行匹配，计算量相当大。如果能够提前缩小检测范围，减少计算量，该方法的可行性和实用性将得到大大提高。该特征由一组边缘点组成特征算子，再将其与图像相似形状边缘特征进行匹配得到响应值，响应值越大，表示形状相似度越高，反之则越低。响应值计算公式为：

S（x，y）=1k∑ki=1Ie（x+ui，y+vi）

式中，k为点的数量，（ui，vi）为该点的Edgelet中的位置，Ie（x+ui，y+vi）为图像中对应点（ui，vi）的边缘强度，Ne（x+ui，y+vi）为图像中点（x+ui，y+vi）的梯度法向量，ni为该点的法向量的内积。

3 实验分析

为了验证Haarlike特征和Edgelet特征融合算法的有效性和实用性，进行如下实验。首先从行人样本库里提取样本，并利用本文提出的特征融合算法及其它方法分别进行实验，比较行人检测的最终效果。为了能够定性定量的对实验结果进行分析，在实验中选择检测率、虚警率及检测时间等指标来分析检测结果。由下表可知，特征融合算法在检测率和检测速度上比其他行人检测算法有所提高，但是在虚警率上仍然存在不足。

4 总结

本文提出了一种Haarlike特征和Edgelet特征融合的行人检测方法，该方法在检测率和检测速度方面都得到了提高，但是该方法还存在虚警率过高的问题，针对文中工作的不足，下一步研究将使用更好的方法来降低虚警率。

参考文献：

[1]田仙仙，鲍泓，徐成.一种改进HOG特征的行人检测算法[J].计算机科学，2014.

[2]陈超，宣士斌，徐俊格.復杂背景下的行人检测与分割[J].计算机工程与应用，2012.

[3]许言午，曹先彬，乔红.行人检测系统研究新进展及关键技术展望[J].电子学报，2008.

课题：本课题受衡水学院校级课题“智能交通的行人检测系统关键技术研究”支撑，课题编号：2016L018

作者简介：李玲（1982），女，讲师，硕士，主要从事数字图像处理的研究；李艳乐（1984），男，讲师，硕士，主要从事智能控制的研究。