张 强

(中国科学技术大学 自动化系，安徽 合肥 230027)

一种利用特征选择改进的行人检测模型

张 强

(中国科学技术大学 自动化系，安徽 合肥 230027)

标准HOG模型在行人检测领域中最为经典，相比于标准模型中整齐划一的block，不同尺寸的block可以获得更多的细节信息。首先，在去除上下文背景的32×96尺寸模型基础上设计144个block特征；然后，提出类Fisher比计算block类别区分力；最后，利用NMS方法选出24个block，串接为1 854维的行人检测模型。实验结果表明，该利用特征选择改进的行人检测模型获得了显著的性能提升。

行人检测；特征选择；线性判别分析；非极大值抑制

0 引言

行人检测是计算机视觉热门研究领域之一。人体的非刚体性、外观多样性、复杂背景、光照变化、尺度变化、遮挡等研究难点给行人检测研究提出了巨大的挑战。另一方面，行人检测的市场应用前景十分广阔，典型应用有智能视频监控、车辆辅助驾驶行人保护系统、智能交通控制等，近年来也应用到航拍图像、受害者营救等新兴领域[1]。

本文在32×96尺寸下，设计了144个不尽相同的block特征，然后利用一种新颖的特征选择方法从中挑选出24个，将这些特征向量串联构成一个1 854维的行人检测模型，最后用线性支持向量机进行模型训练。实验结果表明，利用特征选择改进的行人模型显著提升了检测性能。

1 相关工作

DALAL N和TRIGGS B在2005年CVPR上提出HOG特征[2]，3 780维的64×128标准HOG行人模型近乎完美地解决了MIT行人数据集[3]，文中一并推出更具挑战性的INRIA Person数据集。

针对标准HOG行人模……