疏 坤, 蒋建国, 齐美彬, 岳周龙

(合肥工业大学 计算机与信息学院,安徽 合肥 230009)



基于改进的HOG与Sobel-LBP融合的快速行人检测

疏 坤, 蒋建国, 齐美彬, 岳周龙

(合肥工业大学 计算机与信息学院,安徽 合肥 230009)

行人检测是目标识别领域的一大难题,针对行人检测存在特征维度高、检测耗时和精度低等问题,文章提出使用多尺度分块方式将样本图片在3个尺度下分别分割成5个区域,在每个区域中根据行人轮廓置信模板和梯度方向量化权值进行二次加权统计得到梯度直方图(histogram of oriented gradient,HOG),并将其与Sobel边缘局部二元模式 (Sobel edge local binary pattern,Sobel-LBP) 算法相融合作为特征,然后采用线性支持向量机(support vector machine,SVM)分类方法学习得到行人检测分类器,最后使用滑动窗口法检测出行人。在MIT和INRIA库上的实验证明,该特征在学习和检测速度上都比HOG等方法有明显优势,能有效、准确、快速地检测行人。

行人检测;梯度直方图(HOG);行人轮廓置信模板;量化权值;Sobel边缘局部二元模式(Sobel-LBP)

0 引 言

行人检测是计算机视觉和模式识别领域中的重要研究方向,在智能辅助驾驶[1]、智能监控[2]及增强现实[3]等领域都有着广泛的应用。不同行人的身材、姿势、衣着不同,光照和观察视角也可能存在很大变化,加之复杂的背景场景以及摄像头自身的移动和晃动,这都是行人检测问题的难点。快速、准确地从视频或者图像背景中将行人检测出来,仍然具有挑战性。

行人检测方法主要可分为以下2类:① 基于背景建模的方法,先利用背景建模方法提取前景目标,然后利用分类器进行分类,判断是否包含行人;② 直接采用不同尺度的滑动窗口来扫描图像、提取特征,并采用基于统计学习的分类器来判别窗口内部图像是否为行人。……