基于HOG特征提取的骑车人检测算法研究

摘 要

近年来，骑车人检测系统（cyclists detection system， CDS），随着行人检测系统的广泛研究也开始成为活跃的研究课题。本文针对车载视频中的骑车人，首先提出了一种新的骑车人特征提取算法――HOG-LP，获得骑车人的有代表性的特征，然后结合SVM分类算法骑车人进行检测。实验结果表明，本文方法能有效地实现骑车人检测。

【关键词】车载骑车人检测 HOG特征 支持向量机

1 引言

车载骑车人检测系统（CDS：Cyclist Detection System）是一个用于保护骑车人安全、防止发生交通事故的汽车辅助驾驶系统，依靠安装在汽车上的摄像机，对前方一定范围内的骑车人进行自动实时检测，根据检测结果对驾驶者提供辅助决策及采取一些其他安全措施，以保护骑车人安全。

Rogers提出了在固定单目摄像头下基于检测自行车两个车轮的方法，该方法检测率达到了70%，检测速度仅约为8fps。Dukesherer等针对固定摄像头的情况下，采用了一种混合Hough-Hausdorff方法检测自行车的两轮。该方法对自行车与图像正交的情况下识别率较高，而不正交的情况下容易发生漏报。

本文针对骑车人检测，提出一种面向骑车人检测的特征提取与选择方法，结合SVM分类算法完成骑车人检测。

2 骑车人检测算法

根据骑车人的多样性可以将骑车人分为两类：正背面骑车人和横穿骑车人。

由于与骑车人检测相近的技术中，行人检测是十分成熟的，而正背面骑车人的长宽比和行人类似，在样本中人占了大部分，我们采用Haar特征能有效的提取其特征，技术较为成熟，因此本文主要针对横穿的骑车人。

本文针对横穿的骑车人我们设计了一种新颖的算法――HOG-LP（light sampling and pyramid sampling）算法。

HOG特征最初从SIFT特征转变而来。Dalal将之引入了行人检测之中。本文提出了基于轻采样的HOG特征，直接在一整块中计算梯度分布图。

在本文中，横穿的骑车人样本大小为64*64，我们将其划分成16*16的大小的块。然后对于每个块计算梯度，并建立梯度方向直方图，从而可以得到了一组4*4*k维度的向量，在这里k就是求HOG特征时直方图的方向块数。然后，为了得到所有的局部特征信息，将和样本相同中心的48*48大小的图像做上述步骤相同处理，从而得到3*3*k维度的向量。

在轻采样中，横穿的骑车人的局部特征可以尽可能的提取，并且HOG特征的维数也大大减少，有效的提高了检测速度，以满足CDS的实时性要求。

由于HOG特征的块的大小是常数，骑车人的整体特征并不能有效地提取出来。为此，本文引入了金字塔采样方法用来提取整体的HOG特征。

为了提取不同图像尺度的特征，我们将块的大小从小到大调整。样本图像的大小为，块的大小设置为（i=5，6，…，n）。金字塔采样的第m层的块的数目为。

在使用HOG-LP算法得到特征向量后，我们使用SVM进行训练。

2.1 训练过程

分类器的训练流程如下：（1）获取训练样本。训练样本来自我们在汽车上用光学摄像头采集的城市交通视频。（2）将训练样本经过上述HOG-LP算法后转化为SVM训练所需要的向量。（3）训练SVM分类器。训练的目标是得到分类函数，其中，代表第i个训练样本，表示一个测试样本也就是待分类的输入，和为待求的最优拉格朗日乘子和分类超平面偏移量。

2.2 检测过程

按照下面步骤来检测样本集，验证训练得到的SVM性能：

（1）将验证样本转化为SVM的输入向量。

（2）输出检测结果。将测试的输入向量t输入已训练好的分类函数可得到结果，如果为1则是骑车人，如果为-1则不是骑车人。

3 实验和结果分析

为了验证算法的有效性，我们在行驶速度约为35km/h的汽车中采集了5个多小时的城市交通视频，制得1600个横穿的骑车人正样本，并使用随机生成的方法从不含骑车人的视频中生成1000000个负样本。

本文分别对线性SVM、核函数为高斯核、X2 、HIK的SVM进行了实验，并使用交叉验证的方法分别找到每种方法的相对最优参数。

图1给出了不同核函数得到的性能ROC曲线。

从图中可以看出，线性SVM、HIKSVM、X2 -SVM算法精度相当，在我们的试验中，在误报率为0.1‰的情况下，线性SVM、X2 -SVM的识别率约为90%，HIKSVM的识别率约为89%，高斯核的识别率约为88%。考虑到HIKSVM、-SVM速度慢，综合骑车人检测系统的性能需求和实时性需求我们最终采用线性SVM进行横穿的骑车人检测。

图1：不同核函数SVM的性能比较

4 总结

本文针对横穿的骑车人检测，指出了该类骑车人拥有旋转、多姿态的特点，进一步提出了HOG-LP算法，结合SVM分类器有效完成了横穿的骑车人检测。

参考文献

[1]郭烈，王荣本，顾柏园等.世界智能车辆行人检测技术综述[J].公路交通科技，2005（22）：133-137.

作者单位

中国电子科技集团公司第三十八研究所 安徽省合肥市 230088