基于HOG和block权重的快速人体检测方法

石志强，赵向东，李文军，张 挺

（航天科工集团第二研究院 207所，北京 100854）

计算机视觉处理是计算机人工智能的一个重要研究方向，它的最终目标是通过计算机模拟人类视觉，实现对现实场景的理解和推理。其中，对于输入场景通过计算机实现目标的自动识别分类，即目标识别，是实现计算机视觉的一个基础部分，也是目前的一个研究热点。比较成功的商业化应用实例是人脸识别系统，它是通过计算机对人脸的智能识别，实现对不同人身份的确认。在人体识别方面，由于人体自身姿态、衣着的多样性以及人体外观变化大，目前尚没有较为成熟的算法。

目前，人体识别主要有基于多模板匹配[1]、基于边缘轮廓特征[2]和基于运动特征[3]等各种方法。然而，从实际效果来看，目前最好的是DALAL N和TRIGGS B提出的基于HOG特征的人体检测方法[4]。DALAL N等人通过使用16×16大小的块在检测窗口中滑动，然后按一定方式统计块中的梯度向量直方图，将各个块的梯度向量直方图串联，组成特征向量，最终利用SVM对获取的特征向量进行训练，获取分类器。按照该方法，如果选择检测窗口大小是 128×64，block 大小为 16×16，cell大小为4×4，bin分为 9个方向，每次 block移动 8，那么获得的向量大小为3 780维，检测效果虽然理想，但是耗时，难以达到实时性的要求。

本文通过对基于HOG特征的人体检测算法进行分析，提出了一种基于感兴趣区域进行HOG提取的算法。该算法在适当影响检测效果的条件下，能够较好地减少计算量，达到提高计算速度的目的。

1 行人检测算法

1.1 特征选取

HOG是DALAL N等人在2005年提出的一种基于梯度的特征提取过程，它的内容主要有4点：（1）使用梯度作为特征提取对象，将梯度向量划分为统计bin；（2）将梯度向量图划分为网格状的cell，以cell为单位统计梯度向量直方图；（3）以 block为单位，对 cell进行统计，得到三维梯度向量直方图，并进行归一化，减少局部光照的影响；（4）收集所有的 block，合并成最终图像的HOG特征向量。

输入图像像素点（x，y）的梯度按如下方式来计算：

其中，Gx（x，y）、Gy（x，y）、H（x，y）分别表示图像像素点（x，y）处 x方向、y方向的梯度以及原始点像素值。像素点（x，y）的梯度和梯度方向定义为：

整个提取过程各概念之间的关系如图1所示。

图1 block和cell示意图

在HOG特征提取过程中，block窗口按固定方式在检测窗口的梯度向量图上进行扫描获取block块内的局部特征，特征向量是通过对每个block块的特征进行统计获得的，整个HOG计算过程以block为单位。由图1（b）可以看到，检测窗口的大量block块并不包含目标信息，真正包含信息的block是包含行人边缘轮廓的block。为了提高检测效率，可以采取降维的方式，通过选取包含人体信息、对分类有显著影响的block作为最终的特征，剔除掉不包含信息的block，可以显著地减少行人的特征维数，达到快速检测的目的。

1.2 线性SVM

SVM[5]是基于Vapnik等发展的统计学习理论的支撑向量机，具有相对优良的性能指标。通过算法的学习过程，SVM可以自动寻找出那些对分类有较好区分能力的支持向量，构造出性能良好的分类器。

线性SVM假设样本是线性可分的情况下，寻找到一个可以使训练样本完全可分的超平面将样本分开，其本质上是一个凸二次规划问题。该超平面描述为：

其中，“·”是点积，w是n维向量，b为偏移量。

已知一组独立同分布的训练样本：

和假设函数集：

其中，Rd表示输入空间。

线性支撑矢量机可以归纳为如下二次规划：

最小化：

约束条件：

其中，C＞0为惩罚因子，其取值越大，对经验误差的惩罚也越大。

取p=1，通过Lagrange乘子方法，求原规划式的Wolfe对偶规划。

最大化：

约束条件：

求解上述二次规划问题，得到最优的Lagrange乘子ai，那些对应于Lagrange乘子大于零的训练样本被称为支持矢量。最终线性支持矢量机的判决函数具有如下形式：

将式（14）继续整理，得：

令

得到：

由式（17）可知，|wj|越大，表示 xj是在行人识别中起较大作用的分量。因此，可以通过给出一个衡量block对分类影响大小的量block权重因子，通过对每个block权值的统计，寻找出在人体检测中有较大区分能力的block，重新组成表征行人的特征向量。

首先对判决函数按block重新整理：

定义第k个block权重因子：

图2为改进的二次训练对block重新选择的过程。训练过程分为以下4步：

（1）利用线性SVM分类器对依据传统HOG方法提取出来的特征进行训练，得到支持向量的决策函数；

（2）根据式（19）对步骤（1）得到的决策函数中的wkj进行计算，得到各个block的权重因子；

（3）设定合适的阈值，选取权重因子高于阈值的block，即对分类影响较大的block作为二次训练的block；

（4）以选择的block组成特征向量重新训练，得到最终支持向量的决策函数。

图2 二次block选择过程

2 实验结果

为了证明该方法的有效性，本文在INRIA样本库上进行验证。使用LIBSVM 2.88作为SVM工具，训练样本选取正样本3 542个，负样本4 542个，测试样本选取正样本1 000个，负样本1 000个。

原始HOG算法每个block由36维特征构成，总共由105个block构成，描述行人的特征向量长度为3 780维。

其中感兴趣block通过手动标定，选取包含轮廓特征的block组成特征向量。实际操作过程中，选取了41个包含轮廓特征的block形成1 476维特征向量，经过训练获取SVM决策函数。

二次block选取过程基于block权重因子对block进行选择，选取符合条件的block重新提取特征向量进行训练，获取SVM决策函数。在实际实验中，首先通过原始HOG学习过程获取SVM决策函数，经过计算，获得block权重因子，选取阈值为0.5，对block权重因子进行筛选，得到实际符合条件的block为20个，如图3所示，利用这20个block重新生成720维的特征向量，经过训练获取SVM决策函数。

图3 block权重因子以及检测阈值

分别利用3种不同的方法通过改变决策函数中的阈值b对测试样本进行检测，得到漏警率和虚警率的关系如图4所示。

图4 三种不同方法效果比较

由图4可以看出，在3种检测方式中，原始HOG检测方式检测效果最好；通过人工选择感兴趣区域，保留41个block后提取特征向量进行分类，检测效果有一定的下降，这主要是由于人类主观经验的不足，不能完全合理确定起主要作用的特征，导致特征选择不充分的原因。

二次block训练的方法通过引入block权重的概念，利用原始训练得到的决策函数中的信息来确定感兴趣block，在选取的block数目减少到原始的1/5即20个时，在显著提高计算速度的情况下仍然能够得到较精确的分类器。

实验结果证明，本文提出的两种减少特征维数、提高分类效率的算法在实际的应用中较为有效。

HOG特征是目前在行人检测过程中较为有效的一种方法，在人体检测过程中有着很高的识别率，然而HOG由于计算量较大、检测速度慢，因此限制了HOG的应用。本文通过对HOG的分析，发现可以通过减少HOG中冗余block，从而减少计算量，提高检测速度。

[1]吕治国，徐昕，贺汉根.基于可变模板和支持向量机的人体检测[J].计算机应用，2007（9）：2258-2261.

[2]陈实，马天骏，黄万红，等.基于形状上下文描述子的步态识别[J].模式识别与人工智能，2007（6）：794-799.

[3]韩鸿哲，王志良，刘冀伟，等.基于线性判别分析和支持向量机的步态识别[J].模式识别与人工智能，2005（2）：160-164.

[4]DALAL N，TRIGGS B.Histograms of oriented gradients for human detection[C].CVPR’05， 2005.

[5]焦李成，周伟达，张莉，等.智能目标识别与分类[M].北京：科学出版社，2010.