翟芬，蔡烜，李一蒙，冯瑞

基于局部行颜色自相似性特征的行人检测方法

翟芬，蔡烜，李一蒙，冯瑞

针对计算机视觉领域的行人检测问题，提出一种基于局部行颜色自相似性特征，该特征可表征为在HSV空间，图像水平方向非重叠对称块颜色直方图的距离信息，结合多层次导向边缘能量特征形成图像的融合特征，利用交叉核支持向量机进行分类。与主流用于行人检测的HOG＋SVM方法相比，其特征维数低，在保证检测精度的同时，大幅提高了算法效率。实验结果验证了该算法的有效性。

行人检测；局部行颜色自相似性；多层次导向边缘能量特征；交叉核支持向量机

0 引言

行人检测可定义为：判断输入图片（或视频帧）是否包含行人，如果包含，给出行人位置信息[1]。它在视频监控、智能交通、机器人导航、智能车辆辅助驾驶和人机交互等领域有着重要的应用[2,3]。然而行人因光照的明暗、离摄像机镜头远近、姿态的变化会导致采集的图像视频千差万别，行人检测仍然是计算机视觉领域中一个极具挑战性的研究课题。

文献[1]将行人检测方法归纳成3种：DPM[4]及其变种、深度网络（JointDeep[5]，ConvNet[6]）以及（Boosted）决策森林。这3种方法都能达到很好的效果（在Caltech-USA 上37% 的漏检率）。特征作为描述行人的载体，手工设计的底层特征和深度学习模型自动学习的特征应用最为普遍。深度网络学习的特征虽然在检测的精度会优于传统的手工设计特征，然而它训练过程慢，参数多，计算速度慢于手工设计的特征。……