薛 茹，常岐海，吳宗勝

(1.西藏民族學(xué)院信息工程學(xué)院，陜西咸陽712082;2.長安大學(xué)信息工程學(xué)院，陜西西安710064;3.西安理工大學(xué)機(jī)械與精密儀器工程學(xué)院，陜西西安710048;)

計(jì)算機(jī)視覺中目標(biāo)的檢測(cè)和跟蹤是智能交通、智能監(jiān)控、體育視頻內(nèi)容分析等領(lǐng)域的重要基礎(chǔ)。因此，為了推動(dòng)視頻監(jiān)控系統(tǒng)智能化的發(fā)展，在理解目標(biāo)的行為之前，對(duì)場(chǎng)境中目標(biāo)的自動(dòng)識(shí)別是實(shí)現(xiàn)智能化必不可少的一部分，也是近幾年計(jì)算機(jī)視覺發(fā)展的重點(diǎn)和熱點(diǎn)。目標(biāo)的識(shí)別是在目標(biāo)運(yùn)動(dòng)范圍內(nèi)提取目標(biāo)的有效特征，并根據(jù)此特征進(jìn)行目標(biāo)的分類;其中最關(guān)鍵的是如何提取有效、魯棒、完整的特征，來提高目標(biāo)分類的精確度。盡管文獻(xiàn)中已經(jīng)有許多目標(biāo)識(shí)別方法，但是目標(biāo)的自動(dòng)識(shí)別問題還遠(yuǎn)未解決［1－2］。

當(dāng)前已經(jīng)有了很多目標(biāo)識(shí)別方法，這些方法一般分為兩類:提取特征和構(gòu)建分類器。提取特征主要是從大量的訓(xùn)練樣本中提取目標(biāo)和非目標(biāo)的特征，用這些特征訓(xùn)練分類器。在測(cè)試中，該分類器在整個(gè)輸入圖像中尋找特定對(duì)象模式。這種方法在許多檢測(cè)不同對(duì)象過程中非常有效，例如人臉識(shí)別［3］和車牌識(shí)別［4］。關(guān)于檢測(cè)特征的方法可以區(qū)分為全局特征和局部特性。局部特征和全局特征的區(qū)別在于，全局特征是對(duì)整個(gè)圖像操作，而局部特征是針對(duì)圖像的一塊區(qū)域操作。眾所周知的全局特征提取方法是主成分分析(PCA)法，其缺點(diǎn)在于如果檢測(cè)目標(biāo)在外觀、姿勢(shì)和照明條件上有很大的變化，提取不出有意義的特征。另一方面，局部特征方法由于提取的特征針對(duì)圖像的部分區(qū)域，對(duì)這些問題更不敏感。局部特征提取的常用方法有小波系數(shù)［3］、梯度方向［5］和區(qū)域協(xié)方差［6］。局部特征的方法是對(duì)人身體各部分進(jìn)行檢測(cè)，然后對(duì)各部分的結(jié)果進(jìn)行融合，再用分類器完成對(duì)目標(biāo)的檢測(cè)。局部特征檢測(cè)的優(yōu)勢(shì)是可以處理由于身體關(guān)節(jié)引起的目標(biāo)不同的外形。然而，這種方法增加了目標(biāo)檢測(cè)過程的復(fù)雜性［7］。文獻(xiàn)［8］對(duì)幾種目標(biāo)檢測(cè)方法的性能通過分類器接收操作特性(Receiver Operating Characteristic，ROC)檢測(cè)其性能和效率。檢測(cè)的方法包括PCA、局部接收?qǐng)?LRF)特征［9］、Haar小波的不同特性訓(xùn)練神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)［10］和 k－NN(神經(jīng)網(wǎng)路分類器)，得到的結(jié)論是SVM與LRF特征結(jié)合的方法性能最好。同時(shí)也可以看到基于全局特征的檢測(cè)器性能大于局部特征檢測(cè)器。這可能是由于目標(biāo)外形有太多變化，像PCA的全局特征能更好地為目標(biāo)建立穩(wěn)定的模型。近幾年方向梯度直方圖(HOG)特征在目標(biāo)檢測(cè)中的應(yīng)用使目標(biāo)檢測(cè)技術(shù)有了很大進(jìn)步，HOG算子成功之處在于它采用了梯度的統(tǒng)計(jì)信息描述目標(biāo)的局部輪廓。文獻(xiàn)［5］中用HOG算子表示一個(gè)位置上用固定大小的目標(biāo)塊，塊大小固定化是為了降低計(jì)算量;在此基礎(chǔ)上提出了很多改進(jìn)的方法，如文獻(xiàn)［7］，考慮到固定大小的HOG塊漏掉了全局線索，因此它采用了可變大小的(VHOG)塊，以不同大小的塊獲得更多的信息，并用線性SVM形成弱分類器，然后用級(jí)聯(lián)Adaboost機(jī)制識(shí)別目標(biāo)，從結(jié)果中可以看到這種方法比原始的HOG方法性能好。

本文在文獻(xiàn)［5］和文獻(xiàn)［7］方法的基礎(chǔ)上，結(jié)合HOG特征，提出一種基于GHOG與realboosting方法結(jié)合的目標(biāo)識(shí)別方法。Gabor小波強(qiáng)調(diào)圖像在同一頻率的特征成分，辨別局部目標(biāo)和提取尺度、旋轉(zhuǎn)、變換、光照變化不變的局部特征［11］。特別適合急劇變化的目標(biāo)，比如視頻監(jiān)控中移動(dòng)的目標(biāo)。因此，Gabor小波從局部區(qū)域捕獲信息，并且將不同方向、頻率和尺度的相應(yīng)濾波信息進(jìn)行結(jié)合，用來表示復(fù)雜的目標(biāo)［12］。這樣，由于包含了幾個(gè)Gabor圖像，每個(gè)濾波有好幾個(gè)Gabor圖像，能維護(hù)和增強(qiáng)目標(biāo)的整體信息。這種豐富會(huì)反映在HOG特征提取方法中，本文中的Gabor特征的融合能增強(qiáng)圖像中的相關(guān)信息，并降低其他信息的影響，排除干擾和影響分類性能的混亂數(shù)據(jù)。Gabor預(yù)處理后，相關(guān)的目標(biāo)信息被增強(qiáng)，不相關(guān)的信息和數(shù)據(jù)被排除，提高了HOG算法的全局性能。

1 GHOG特征提取

1.1 Gabor小波變換

Gabor小波變換是被Gabor提出使用在1D的信號(hào)分解，是時(shí)頻域分析在時(shí)域和頻域最優(yōu)化的決策。由于它的形狀類似于視覺皮層簡單細(xì)胞的可接收?qǐng)?，從?shù)學(xué)上講它在測(cè)量局部空間頻率上Gabor小波是最佳的;在模式識(shí)別中Gabor小波能產(chǎn)生畸變寬容特征空間，廣泛引用在紋理分割、字符識(shí)別、指紋識(shí)別領(lǐng)域中。

在空間域，2D Gabor小波可以看作是被正弦平面波調(diào)制的一個(gè)高斯核。Gabor小波函數(shù)的定義為ψ(ku，v，r)

式中:r=(x，y);‖·‖ 表示范數(shù)運(yùn)算;ku，v=kveiφu，kv=kmax/fv;φu=πu/8;f為核函數(shù)在一個(gè)限定域中的間隔因子;在介于4到16像素中，u和v分別表示Gabor濾波器的方向和尺度。用Gabor濾波函數(shù)對(duì)目標(biāo)圖像的濾波，可以通過與圖像的卷積來實(shí)現(xiàn)。

式中:I(z)表示目標(biāo)的灰度圖像z=(x，y);* 表示卷積運(yùn)算。在運(yùn)算中卷積除了在空間范圍內(nèi)逐個(gè)像素進(jìn)行，還要在頻域中按高斯窗口寬度、振蕩方向、波長進(jìn)行。

為了在實(shí)際采樣過程中較全面地得到細(xì)節(jié)紋理，需要均衡v，u或kv，取值，即盡量在不同的尺度和方向上均勻取值。在［0，π］范圍幾乎覆蓋采樣所需的所有方向空間，因此，u或Qu可以在該范圍內(nèi)連續(xù)取值。當(dāng)然，方向選取越多，得到的紋理信息越接近實(shí)際，但是同時(shí)會(huì)使采樣獲得的特征維數(shù)增多，運(yùn)算復(fù)雜度加大;所以本文采用均勻離散采樣的方法，使每個(gè)方向上都有采樣點(diǎn)。這樣通過5 個(gè)尺度(v∈ {0，1，2，3，4})、8 個(gè)方向(0 ～7π/8)進(jìn)行采樣，u∈ {0，1，2，3，4，5，6，7}。

1.2 Gabor特征融合圖像

從圖1中可以看出，5個(gè)尺度、8個(gè)方向會(huì)生成40幅Gabor特征圖像，如果直接用HOG方法提取特征會(huì)使接下來的分類過程計(jì)算量和內(nèi)存成本大大提高，為了使目標(biāo)識(shí)別系統(tǒng)更加有效但又不丟失其特征，需要對(duì)Gabor特征進(jìn)行融合。

1)方向融合

本文首先采用文獻(xiàn)［13］提出的全局編碼的形式，對(duì)Gabor特征在同一尺度的多個(gè)方向上的特征進(jìn)行編碼，這樣能有效降低Gabor特征的維數(shù)，又能保證方向特征信息不丟失。

根據(jù)QBC，對(duì)于每個(gè)像素的5個(gè)尺度、8個(gè)方向的Gabor特征，可以對(duì)每個(gè)像素進(jìn)行編碼。針對(duì)每個(gè)像素在給定尺度時(shí)根據(jù)不同的方向上的Gabor特征的實(shí)部和虛部進(jìn)行編碼。GCv(z)表示為像素z在尺度v的編碼。(z)與(z)分別表示Gabor的實(shí)部和虛部編碼，i=7表示從0～7的8個(gè)方向。編碼完成后，實(shí)部和虛部都是8個(gè)二進(jìn)制位表示，其表示的十進(jìn)制數(shù)字的范圍為［0，255］。

圖1 圖像Gabor特征提取過程

編碼之后每個(gè)像素可以用8位二進(jìn)制數(shù)表示，剛好符合灰度圖像像素的表示范圍，對(duì)編碼之后的圖像提取(如圖1)后發(fā)現(xiàn)，紋理比較豐富。

2)尺度融合

融和后的圖像還有5個(gè)尺度上的特征，從圖1可以看出，融和后的圖像在5個(gè)尺度上紋理比較相似，由此可見存在一定的數(shù)據(jù)冗余，為了讓融合后的圖像簡單、有效地展現(xiàn)其Gabor特征，又能保證其特征信息不丟失，可以對(duì)其5個(gè)尺度繼續(xù)進(jìn)行融合。

在方向融合的過程中發(fā)現(xiàn)，每個(gè)像素都可以由一個(gè)類似灰度的編碼表示。為了保證5個(gè)尺度上編碼信息不丟失，采用對(duì)每個(gè)像素編碼的十進(jìn)制數(shù)求均值的方法，這樣既能兼顧每個(gè)尺度上信息，又能降低數(shù)據(jù)的維數(shù)，降低計(jì)算量。公式為

從圖1可以看到，尺度融合后的圖像能從整體上顯示出人的輪和紋理，剔除了由于陰影、姿態(tài)等造成的干擾。由此可見，Gabor特征的融和圖像能夠鑒別出目標(biāo)的紋理特征，另外，由于HOG對(duì)于紋理圖像特征的檢測(cè)效率較高，因此Gabor特征圖像進(jìn)行直方圖特征提取。

1.3 HOG特征提取和分類

在實(shí)際中，為了提高HOG方法檢測(cè)的精度，在單元格內(nèi)計(jì)算時(shí)采用了重疊單元的歸一的方法，通過歸一化能有效提高檢測(cè)結(jié)果的穩(wěn)定性。本文在此輸入的圖像是Gabor特征圖像，其本身紋理和輪廓就比較明顯，為了更清晰地提取目標(biāo)的紋理和輪廓信息，對(duì)此采用HOG的方法提取目標(biāo)特征。

為了對(duì)檢測(cè)到的Gabor圖像中顏色的變化和反差進(jìn)行定位，需要計(jì)算每個(gè)像素的梯度，用2個(gè)一維的簡單算子，水平方向采用［－1，0，1］，垂直方向用［－1，0，1］T。在計(jì)算方向直方圖的過程中，需要2×2的單元，每個(gè)單元9個(gè)方向通道，每個(gè)窗口中會(huì)有一個(gè)包含36個(gè)特征的向量。這樣，每幅圖像一共有21×36=756個(gè)特征。根據(jù)文獻(xiàn)［5］中對(duì)于塊的歸一化問題采用L2Hys的方法，設(shè)v為塊向量，對(duì)其標(biāo)準(zhǔn)化后的Vnorm為

式中:ξ為一個(gè)近似為0的正數(shù);‖·‖2為二范數(shù)，根據(jù)塊的空間位置其向量按順序排列，這樣就形成了GHOG統(tǒng)計(jì)特征。

考慮到GHOG特征的維數(shù)偏大，訓(xùn)練樣本的數(shù)目也非常大。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)分類方法，其學(xué)習(xí)時(shí)間過長，如果用其來構(gòu)造目標(biāo)識(shí)別的分類器學(xué)習(xí)時(shí)間超過1 h;雖然SVM方法需要的學(xué)習(xí)時(shí)間比較短，但是在檢測(cè)過程中花費(fèi)的時(shí)間較長，這樣使用SVM方法就不能實(shí)現(xiàn)實(shí)時(shí)檢測(cè)的目的;Boosting方法學(xué)習(xí)時(shí)間不長，檢測(cè)的速度也比較快。和RealAdaboost方法相比，Adaboost方法是采用二值判斷的，而RealAdaboost方法采用的命中率(即置信度)來描述目標(biāo)識(shí)別的精確程度。開始時(shí)的分類器是在一個(gè)開練集中訓(xùn)練得到的，用初始的分類器從大量目標(biāo)圖像中對(duì)目標(biāo)隨機(jī)樣本中的GHOG特征進(jìn)行識(shí)別，根據(jù)識(shí)別的結(jié)果計(jì)算每層的誤警率，并且在下一層的學(xué)習(xí)中不斷增加負(fù)樣本。HOG特征提取如圖2所示。

圖2 HOG特征提取

2 試驗(yàn)與分析

對(duì)于目標(biāo)檢測(cè)，已經(jīng)有幾個(gè)公用的標(biāo)準(zhǔn)數(shù)據(jù)庫，本文采用的INRIA幾乎覆蓋了所有的視點(diǎn)和姿態(tài)的變化。它包括了訓(xùn)練用的2 478個(gè)正樣本和1 218個(gè)負(fù)樣本。由于INRIA數(shù)據(jù)集中都是分割后的樣本，因此對(duì)分類方法中的訓(xùn)練算法比較有效。另外本文還采用MIT的目標(biāo)數(shù)據(jù)集，其中包含正924張目標(biāo)圖片，沒有負(fù)樣本。通過MIT與INRIA標(biāo)準(zhǔn)數(shù)據(jù)庫訓(xùn)練分類器，將圖像分為兩類，目標(biāo)和非目標(biāo)。分類器首先通過訓(xùn)練圖像進(jìn)行學(xué)習(xí)，然后對(duì)測(cè)試圖像進(jìn)行檢測(cè)。

2.1 試驗(yàn)結(jié)果

用該方法測(cè)試PET2009的數(shù)據(jù)庫，根據(jù)INRIA數(shù)據(jù)集，用INRIA訓(xùn)練樣本對(duì)本文提出的方法進(jìn)行學(xué)習(xí)，另外，采用查全率和精確率測(cè)量來檢測(cè)本文提出的方法，結(jié)果如表1所示。查全率是檢測(cè)正確目標(biāo)的數(shù)目除以目標(biāo)的總數(shù)目(tp為正陽性數(shù)目，檢測(cè)到且是目標(biāo)像素的數(shù)目;fn為沒有檢測(cè)目標(biāo)像素的數(shù)目);查準(zhǔn)率是檢測(cè)到目標(biāo)像素?cái)?shù)目除以檢測(cè)目標(biāo)像素?cái)?shù)目(tp真陽性與假陽性fp的和)。

表1 PET2009檢測(cè)中的查全率和查準(zhǔn)率

視頻PET2009的視頻序列中，seq2中目標(biāo)存比較擁擠、遮擋比較嚴(yán)重的現(xiàn)象，因此檢測(cè)查全率和查準(zhǔn)率都不高;相反在seq1中，人行較少，且?guī)缀醵际仟?dú)立存在的，因此查準(zhǔn)率為1，同樣seq3和seq4中目標(biāo)大部分是獨(dú)立的，所以查準(zhǔn)率也較高;seq3中，目標(biāo)比較清晰且無遮擋因此查準(zhǔn)率比其他高。

2.2 結(jié)果分析

為了進(jìn)一步證明本文提出方法的性能，在實(shí)驗(yàn)中將本文的方法與其他目標(biāo)檢測(cè)方法進(jìn)行對(duì)比，其中包括HOG_SVM［3］、VHOG_CAdaboost［5］方法。比較的方法采用錯(cuò)誤率(MissRate)和每個(gè)窗口的假陽性(FPPW)的曲線圖，F(xiàn)PPW定義如下

比較結(jié)果如圖3所示。HOG_SVM方法的數(shù)據(jù)是通過開放源碼HOG和LinSVM及論文的結(jié)論;VHOG_CAdaboost方法的數(shù)據(jù)結(jié)論來自于文獻(xiàn)。從圖中可以看到本文提出的方法比基于HOG的方法性能優(yōu)越，在FPPW為10－5時(shí)，本文的方法達(dá)到了9%的漏檢率，比HOG_SVM方法低了8%。

圖3 與傳統(tǒng)方法在INRIA數(shù)據(jù)集中的比較

3 結(jié)論

Gabor濾波方法是目標(biāo)分類特征提取較的好方法，但是由于Gabor特征的維數(shù)很大，因此會(huì)占用大量的內(nèi)存和計(jì)算時(shí)間。因此在設(shè)計(jì)分類方法時(shí)應(yīng)考慮到特征的維數(shù)。另外，將1幅圖像和40個(gè)Gabor小波進(jìn)行卷積計(jì)算量也是非常大的，這將使Gabor不能應(yīng)用于實(shí)時(shí)目標(biāo)檢測(cè)中。本文提出的方法能在提取Gabor特征的同時(shí)對(duì)圖像的Gabor特征在方向和尺度上較好地融合，并保持原圖像的特征，形成Gabor特征圖像;通過對(duì)Gabor圖像進(jìn)行HOG提取進(jìn)行目標(biāo)檢測(cè)，能有效降低錯(cuò)誤檢測(cè)率;另外該方法選取了RealAdaboot的方法進(jìn)行分類，在時(shí)間上有效彌補(bǔ)了提取Gabor花費(fèi)的時(shí)間，在Gabor特征圖像融合過程中采取了編碼的方式，使計(jì)算量也有效降低。因此該方法在節(jié)約內(nèi)存和降低計(jì)算量方面有更好的性能。

［1］張壯暑，蔡曉東，張學(xué)敏.監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)識(shí)別分類系統(tǒng)研究［J］.電視技術(shù)，2012，36(23):165－167.

［2］張建飛，陳樹越，劉會(huì)明，等.基于支持向量機(jī)的交通視頻人車識(shí)別研究［J］.電視技術(shù)，2011，35(15):1－3.

［3］ VIOLA P，JONESM J.Robust real－time face detection［J］.International Journal of Computer Vision，2004，57(2):137－154.

［4］ AMIT Y，GEMAN D，F(xiàn)AN X.A coarse－to－fine strategy for multiclass shape detection［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2004，26(12):1606－1621.

［5］ DALAL N，TRIGGSB.Histograms of oriented gradients for human detection［C］//Proc.IEEE Conference on Computer Vision Pattern Recognition.San Diego:IEEE Press，2005:886－893.

［6］ TUZEL O，PORIKLIF，MEER P.Human detection via classificationon Riemannian manifolds［C］//Proc.IEEE Conference on Vision Pattern Recognition.Minneapolis:IEEE Press，2007:1－8.

［7］ ZHU Q，AVIDAN S，YEH M C，et al.Fast human detection using a cascade of histograms of oriented gradients［C］//Proc.IEEE Conference on Computer Vision Pattern Recognition.［S.l.］:IEEE Press，2006:1491－1498.

［8］ MUNDER S，GAVRILA D M.An experimental study on pedestrian classification［J］.IEEE Trans.Pattern Anal.Mach.Intell.，2006，28(11):1863－1868.

［9］ WHLER C，ANLAUF J.An adaptable time－delay neural－network algorithm for image sequence analysis［J］.IEEE Trans.Neural Netw.，1999，10(6):1531－1536.

［10］ TAYLOR J，CRISTIANINI N.Support vector machines and other Kernel－based learning methods［M］.Cambridge，U.K.:Cambridge U-niversity Press，2000.

［11］ KYRKIV，KAMARAINEN JK.Simple Gabor feature space for invariant object recognition［J］.Pattern Recognition Lett.，2004，25(3):311－318.

［12］ KRUGER V，SOMMER G.Gabor wavelet networks for efficient the adopts estimation［J］.Image Vision Computer，2002，20(9－10):665－672.

［13］ ZHANG Baochang，SHAN Shiguang.Histogram of Gabor phase patterns(HGPP):a novel object representation approach for face recognition［J］.Trans.Image Processing，2007，16(1):57－59.