李玲，王江涛



基于分步降维HOG-LBP特征的行人头部分类算法

李玲，王江涛

（淮北师范大学 物理与电子信息学院，安徽 淮北 235000）

传统的基于PCA-HOG特征的行人头部分类算法存在降维后的子空间鉴别性不足的问题．为此，提出一种基于分步降维HOG-LBP特征的行人头部分类算法．首先，利用样本类别标签构建2类样本的HOG特征集合，在这2类特征集合中分别执行PCA降维，然后将所得的特征与LBP纹理特征进行级联得到最终的头部描述算子，最后通过训练SVM分类器对实际样本集进行分类．实验结果表明，与传统PCA降维方法相比，该方法可有效提高行人头部的分类性能．

HOG；LBP；PCA；头部检测

一直以来，行人检测都是模式识别与计算机视觉领域的研究热点，而头部作为行人的重要局部特征，对正确检测出行人起到重要的作用．

近年来，众多研究人员提出多种不同的特征表达方法来进行行人检测，其中应用最广泛的是2005年由Dalal和Triggs提出的方向梯度直方图（HOG）描述算子[1]．该算子通过统计局部区域内的梯度方向分布来表达图像中目标的外形轮廓，目前已被广泛地应用在图像处理与计算机视觉领域中[2-7]．随着研究的不断深入，与HOG融合的特征算法相继出现，文献[8]提出将局部HOG特征与Haar特征级联起来对行人进行分类的方法．尽管HOG得到广泛的关注，但是存在特征维数高的缺点，导致训练分类器性能欠佳．除了HOG特征外，LBP特征是当前的另外一种流行特征描述算子，它可对局部目标的纹理特征进……