韋皓瀚 曹 國 尚巖峰 孫權森 王必勝

(1.南京理工大學計算機科學與工程學院，南京，210094; 2.公安部第三研究所，上海，201204)

引 言

行人檢測在視頻監(jiān)控、虛擬現(xiàn)實技術和機器人視覺中都有著廣泛的應用研究。由于行人具有姿態(tài)多變性的特征，外觀易受衣著、尺度變化、外物遮擋、姿態(tài)改變和拍攝角度等因素的影響，一直是圖像處理領域的研究熱點與難點。目前主流的行人檢測算法包括兩部分：特征提取和分類器學習。常用的目標特征有梯度方向直方圖(Histograms of oriented gradient, HOG)[1]、顏色特征如(RGB, LUV和HSV等)、Harr小波變換以及梯度幅度等，分類器主要包括支持向量機(Support vector machine, SVM) 、隨機森林[2](RandomForest)、決策樹以及深度學習[3]等。

2005年Dalal和Triggs提出的基于梯度直方圖加支持向量機(HOG+SVM)的行人檢測算法，是行人檢測領域中的一大突破；Oliver等[4]利用邊緣圖像來對不同的形狀模型進行匹配(ASM)；2008年Felzenswalb教授基于HOG+SVM框架的理論知識，提出了經(jīng)典的目標形變部件模型檢測算法(Deformable part models, DPM)[5]，極大提高了行人形變檢測的魯棒性和準確性，不過該算法的時間復雜度太高，不適合用來進行實時檢測；曾波波[6]于2012年提出了一種顏色自相似性(CSS)特征，其計算方法是在LUV顏色通道上計算大小一致、不同位置的矩形區(qū)域內(nèi)的數(shù)值和之比，該特征具有計算快、尺度不變等特點；文獻[7]等針對5種干擾類型：物體遮擋、圖像失焦、亮度異常、偏色、噪聲干擾提取出有效的特征，進行分類檢測和識別，具有較好的檢測效果，且能夠滿足監(jiān)控系統(tǒng)實時性的要求。ACF[8]采用決策樹為弱分類器訓練Boosting分類器，訓練和檢測階段時間花費較少，適合用于實時檢測，但在實際檢測中會有較多的誤檢數(shù)。對于Objectness[9]窗口篩選方法，文獻[10]將BING[11]及EdgeBoxes[12]結合經(jīng)典的DPM模型[13]來進行行人檢測，在一定程度上可以提高模型的檢測效果，但該模型在檢測速度上仍有待提高, Gadeski E等[14]在DPM模型的基礎上采用了GPU實現(xiàn)，用于實時圖像處理。經(jīng)典的ACF算法采用多通道特征和Boosting分類器進行行人檢測，而未結合目標在圖片中的一些先驗知識，同時在行人檢測后處理過程中僅僅采用了面積信息，而忽略了重要的得分信息，造成在實際檢測過程中存在誤檢數(shù)較高的情況。本文基于ACF行人檢測算法進行改進，在不影響檢測效率的條件下，首先結合Objectness方法對低得分區(qū)域進行進一步驗證，可以在一定程度上減少算法的誤檢數(shù)；其次結合檢測窗口的得分及位置信息，對非極大值抑制算法(Non-maximum suppression, Nms)[15]進行了改進；最后采用星型可形變部件模型(Star-cascade DPM, casDPM)[16]進行級聯(lián)檢測，對低得分窗口進行二次檢測。實驗表明，在充分結合目標在圖片中的先驗知識和后處理過程中的得分信息，極大地降低了誤檢數(shù)，在滿足實時檢測的條件下，提升了行人檢測的準確率，具有較好的行人檢測效果。

1 算法介紹

1.1 聚合通道特征算法

聚合通道特征(Aggregate channel features, ACF)[8]是將多個通道特征結合到一起形成一種聚合特征，結合多通道特征包含的信息，能夠高效描述行人特征，給定檢測圖像I，對應通道特征可以表示為圖像像素的線性或非線性的輸出響應,即有

C=Ω(I)→C1=∑(C)

(1)

其中：Ω表示計算特征的函數(shù)，C表示特征，∑為聚合運算，C1為聚合特征，灰度圖像C=I，該通道特征即為灰度圖本身，灰度是最簡單的特征通道，ACF算法檢測流程如圖1所示。輸入檢測圖像I，分別計算顏色、梯度幅值和梯度方向直方圖特征金字塔，將3種特征組合形成ACF，采用決策樹為弱分類器訓練Boosting分類器，得到初始檢測窗口及本文方法檢測結果。

圖1 ACF行人檢測算法流程Fig．1 Flow of ACF human detection algorithm

ACF算法采用與文獻[8]相同的通道特征：標準化的1通道梯度幅度，6通道梯度方向直方圖，3通道LUV顏色通道，結合形成10通道的聚合特征F，圖像I使用[1 2 1]/4算子f進行濾波，可以有效降低噪聲的影響。將特征F劃分為4×4的小塊，并對每一塊中的像素大小求和，再次采用f算子進行濾波處理。在計算圖像特征金字塔[17]時，將圖像分組到金字塔層結構中，每組金字塔內(nèi)的特征只需計算一層，其他層通過該層采樣得到，降低了時間開銷，采用的分類器是Boosting，弱分類器為決策樹，訓練正負樣本(INRIA數(shù)據(jù)集2007)，得到最終的檢測子。

為了量化檢測器的性能，這里采用PR曲線和DET曲線作為評價標準。TP表示檢測為正樣本，實際為正樣本；TN檢測為負樣本，實際為負樣本；FP檢測為正樣本，實際為負樣本；FN檢測為負樣本，實際為正樣本；其中precision=TP/(TP+FP)，recall=FP/(FP+TN)，F(xiàn)EPPI=FP/(圖片數(shù))。

1.2 BING二值規(guī)范化梯度

一般目標當歸一化到某一個小尺度時都具有定義完好的封閉輪廓和中心，在封閉的輪廓中，目標梯度比較明顯，所以是一個很好的可區(qū)分特征。范數(shù)梯度(Normed gradients, NG)特征是緊湊且密集的Objectness[9]特征，無論對象窗口如何改變尺度、位置及縱橫比，它對應的NG特征基本不會改變，這一特性在對象檢測中很有用，其次NG特征使得計算和核實更加有效率，能夠很好地應用在實時檢測中。

將圖像縮放成不同的尺寸，然后使用大小的窗口掃描，提取NG特征，詳細步驟見文獻[11]。通過cascade SVM訓練，可以學習得到一個線性模型w∈R64，對于待檢測圖像，仍采用8×8大小的窗口滑動提取NG特征，然后通過式(2)可以求出窗口得分,即有

sl=〈w,gl〉

(2)

l=(i,x,y)

(3)

式中：l是尺度為i窗口坐標為(x,y)的位置；gl是其對應的NG特征;sl代表過濾器得分。

為每個尺度提供一些建議窗口，不同尺寸圖像中的物體可能性是不一樣的，模型對于不同尺度的圖像學習了一個權值，重新計算窗口的得分。

Ol=vi·Sl+ti

(4)

式中vi,ti為模型學習的參數(shù)，Ol是窗口最終得分。

圖2 BING模型效果圖Fig．2 Effect diagram of BING model

2 基于ACF算法的改進

2.1 BING目標區(qū)域的引入

在INRIA數(shù)據(jù)集上訓練得到BING模型記為M，每張640像素×480像素大小的測試圖片上產(chǎn)生大約1 000個候選窗口，在測試集上檢測召回率可以達到98%左右，基于這種特性，可以有效的引入BING目標區(qū)域來降低ACF算法的誤檢數(shù)。首先用M檢測圖像得到A1區(qū)域，部分篩選情況如圖2(c)所示；其次用ACF算法檢測圖像，得到目標區(qū)域A2，采用目標區(qū)域A1對每一個目標區(qū)域A2的窗口進行篩選，記為BACF算法。學習到的64D線性BING模型w及標注信息如圖2所示，其中圖2(c)中的紅色區(qū)域為篩選得到的行人窗口，綠色區(qū)域為非行人目標窗口對比圖2(d)，可以看出BING模型已大致將行人區(qū)域提取出來。實驗表明，引入BING目標區(qū)域，在不影響精度、效率情況下，可以一定程度上減少ACF算法的誤檢數(shù)。

2.2 引入保留外圍窗口的Nms方法

在目標檢測中Nms算法應用十分廣泛，主要用以消除多余的檢測框，找到最佳的物體位置，如圖3所示。

圖3 Nms算法Fig．3 Non-maximum suppression algorithm

Nms算法本質是搜索局部極大值，抑制非極大值元素。本文采用的是基于貪心策略的抑制算法，算法主要分為4個步驟：(1)按照檢測分數(shù)降序排序初始檢測窗口；(2)選取抑制窗口(當前分數(shù)最高窗口)Bi；(3)檢測窗口得分低于抑制窗口的作為被抑制窗口Bj，計算overlap=(Bi∩Bj)/(min (Bi,Bj))，剔除重合面積比率高于設定閾值的窗口； (4)若只剩一個初始檢測窗口則結束，反之按照得分信息降序，取下一個得分高的作為抑制窗口，轉到步驟(3)。該Nms算法只是簡單的結合面積信息與得分信息，對抑制窗口進行剔除，未利用抑制與被抑制窗口的相對位置信息，造成較高的誤檢數(shù)。本文引入保留外圍窗口的Nms方法，記為NBACF。

Suppress(Bi)where{(Bi∈Bj)&&(score(Bi)-score(Bj)≤15)}

(5)

即當窗口完全覆蓋窗口Bi，同時score(Bi)-score(Bj)≤15時，抑制當前抑制窗口Bi，并將窗口Bi得分賦值給窗口Bj，實驗表明，在提升檢測精度的同時減少了誤檢數(shù)。

2.3 級聯(lián)casDPM模型檢測策略

3 實 驗

3.1 總體流程

首先在ACF初始檢測窗口上引入BING模型，提出了BACF算法，如序號①，得到檢測窗口區(qū)域A，引入保留外圍窗口的Nms方法，如序號②，窗口區(qū)域A通過NBACF算法得到窗口區(qū)域B，級聯(lián)casDPM模型檢測策略，提出了NBACF-casDPM算法，如序號③，得到后續(xù)分類結果，flag=0為誤檢，flag=1為行人，詳細流程見圖4。

圖4 總體檢測流程圖Fig．4 Overall detection flow chart

3.2 BING目標區(qū)域

本文采用PASCAL準則來判斷模型檢測的結果是否正確，具體含義：若Groud truth與檢測結果交的大小與并的大小比值大于0.5，即檢測為行人，否則檢測錯誤。并且，每個Ground truth最多對應一個檢測結果，其余窗口則為誤檢。

本文采用INRIA2007數(shù)據(jù)集614幅中的1 237個行人作為訓練正樣本，912幅背景圖中隨機裁剪區(qū)域作為負樣本訓練BING模型，訓練得到的BING模型，在每張測試圖片上可以得到約1 000個目標區(qū)域。在INRIA數(shù)據(jù)集上進行檢測,其中有288幅圖片包含589個行人，ACF算法檢測區(qū)域為Bi，BING模型篩選區(qū)域為Bj，對每一個測試圖片的Bi，對應的篩選區(qū)域Bj，計算重疊面積，overlap=(Bi∩Bj)/(Bi∪Bj)，當overlap<0.57，并且score(Bj)<30，認為檢測結果為誤檢，反之為行人，改進的BACF算法可以降低誤檢窗口數(shù)量，檢測效果如圖5。

圖5 改進的BACF算法 圖6 ACF和BACF算法誤檢對比

ACF算法和BACF算法誤檢數(shù)對比如圖6所示, 藍色表示ACF算法，黃色表示BACF，實驗可知，漏檢數(shù)在36～42的情況下，召回率(Recall)為約94%，BACF算法明顯優(yōu)于ACF算法，不影響檢測精度的情況下，平均誤檢數(shù)降低了163個，在漏檢數(shù)為36的情況下效果尤為明顯，減少了347個誤檢數(shù)。

3.3 引入保留外圍窗口的Nms方法

ACF檢測時的步長較小，在整個金字塔層空間搜索，使得檢測出的真實行人窗口周圍往往會存在若干個冗余窗口，Nms算法貪心的保留檢測分數(shù)最高的窗口，可以抑制大部分重合目標區(qū)域，未充分考慮到檢測得分與窗口位置之間的包含關系，會造成一定程度上的漏檢和誤檢，本節(jié)采用2.2節(jié)提出的NBACF算法，該方法可以在一定程度上減少大量的誤檢窗口，結果如圖7(c)所示。

圖7中紅色框表示誤檢窗口，黃色框表示行人窗口，改進的NBACF算法剔除了所有的誤檢窗口，檢測效果最佳，同時算法的平均精度(AP)由88.82%提升到了89.23%，提升了0.41%，平均對數(shù)漏檢率(LAMR)由16.69%下降到了15.20%，降低了1.49%，具有較好的檢測效果，ACF算法和NBACF算法誤檢對比如圖8所示，其中藍色表示ACF算法，紅色表示NBACF算法，實驗可知，漏檢數(shù)在36～42的情況下，NBACF算法誤檢數(shù)明顯少于ACF算法，同時通過實驗發(fā)現(xiàn)，漏檢數(shù)從原來的36下降到了32，在漏檢數(shù)為36的情況下效果尤為明顯，降低了734個誤檢數(shù)，具有較好的檢測效果。

圖7 ACF,BACF,NBACF算法對比 圖8 ACF和NBACF算法誤檢對比

3.4 級聯(lián)casDPM模型檢測策略

通過改進的NBACF算法，可以在一定程度上降低誤檢數(shù)，但對于背景相對復雜的場景，存在一些特征較豐富的目標，NBACF算法將此類目標檢測為行人即誤檢窗口，如圖9所示。

針對圖9的紋理豐富的誤檢窗口，提出利用casDPM模型進行低得分窗口的級聯(lián)檢測，記為NBACF-casDPM，利用上述2.3節(jié)提出的方法，實驗發(fā)現(xiàn)，可以減少誤檢數(shù)，提升算法檢測的效果，平均精度從89.23%提升到了89.47%，提升了0.24%，平均對數(shù)漏檢率從15.20%下降到14.63%，降低了0.57%。ACF算法和NBACF-casDPM算法誤檢對比如圖10所示，其中藍色表示ACF算法，紅色表示NBACF-casDPM算法。實驗可知，漏檢數(shù)在37～42之間，在多1個漏檢數(shù)的情況下，NBACF-casDPM算法誤檢數(shù)明顯少于ACF算法，在漏檢數(shù)為37的情況下效果尤為明顯，降低了635個誤檢數(shù)。

圖9 特征較豐富誤檢窗口 圖10 ACF和NBACF-casDPM算法對比

3.5 整體效果對比及性能分析

3.5.1 整體效果對比

ACF，BACF，NBACF和NBACF-casDPM算法誤檢對比如圖11所示，NBACF-casDPM算法具有最好的檢測效果，在漏檢數(shù)為43的情況下，誤檢數(shù)僅僅只有196個，相比ACF算法，降低了誤檢數(shù)，檢測時間及檢測精度對比如表1所示。

3.5.2 性能分析

環(huán)境參數(shù)：8 GB內(nèi)存，CPU為Intel(R)core(TM)i7-6700k@ 4.00 GHz，4線程。

圖11 整體誤檢對比圖Fig．11 Overall comparison of false positive chart

表1 6種方法性能比較

注：DPM算法采用的ACF算法測試集及Ground truth，閾值與本實驗設置一致，閾值為-0.9

召回率(Recall)、精度(Precision)、平均精度(AP)如圖12所示。圖12可以發(fā)現(xiàn)，在引入BING模型及保留外圍檢測窗口后，NBACF算法平均精度相比ACF算法有1.41%的提升；在級聯(lián)casDPM模型檢測后，NBACF-casDPM算法平均精度有0.65%的提升。

圖13可以發(fā)現(xiàn)，在采用改進的NBACF算法后，LAMR相比ACF算法下降了1.49%；在采用NBACF-casDPM算法后，LAMR相比NBACF算法又下降了0.57%，相比ACF算法，下降了2.06%，實驗表明，該改進方法可以在一定程度上提升算法的檢測精度。

圖12 Recall和Precision對比 圖13 False positive per image和Miss rate對比

4 結束語

本文提出了一種改進ACF算法的行人檢測算法，該算法針對ACF算法在實際檢測過程中誤檢數(shù)較多的情況，引入了Objectness方法來過濾ACF算法檢測出的部分誤檢窗口，同時結合檢測窗口得分及位置信息提升了非極大值抑制算法的效果，最后級聯(lián)casDPM模型檢測來剔除背景特征復雜的非行人窗口，最終得到改進的NBACF-casDPM算法。實驗證明與原始ACF算法相比，本文提出的NBACF-casDPM算法提升了算法的檢測性能，AP提升了0.65%，LAMR降低了2.06%，具有良好的行人檢測效果。同時，結合深度學習和其他Objectness方法，提高算法的檢測效果是以后工作的重點；并以行人檢測為基礎，繼續(xù)進行行人跟蹤、再識別方向的研究。

參考文獻:

[1] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]∥IEEE Conference on Computer Vision & Pattern Recognition．[S.l]：IEEE,2005:886-893.

[2] Marín J, Vázquez D, López A M, et al. random forests of local experts for pedestrian detection[C]∥International Conference on Computer Vision．[S.l.]：IEEE，2013:2592-2599.

[3] Ouyang W, Wang X. Joint deep learning for pedestrian detection[C]∥IEEE International Conference on Computer Vision. [S.l.]：IEEE，2013:2056-2063.

[4] Sidla O, Lypetskyy Y, Brandle N, et al. Pedestrian detection and tracking for counting applications in crowded situations[C]∥IEEE International Conference on Video and Signal Based Surveillance. [S.l.]：IEEE，2006:70.

[5] Felzenszwalb P, Mcallester D, Ramanan D. A discriminatively trained, multiscale, deformable part model[C]∥IEEE Conference on Computer Vision and Pattern Recognition. [S.l.]：IEEE，2008:1-8.

[6] 曾波波,王貴錦,林行剛.基于顏色自相似度特征的實時行人檢測[J].清華大學學報(自然科學版),2012(4): 571-574.

Zeng Bobo, Wang Guijin, Lin Xinggang. Color self-similarity feature based real-time pedestrian detection [J]. Journal of Tsinghua University (Science and Technology), 2012,(4):571-574.

[7] 姬貫新, 周利莉. 智能視頻監(jiān)控系統(tǒng)中的干擾檢測及分類[J]. 數(shù)據(jù)采集與處理, 2013, 28(2):231-238.

Ji Guanxin, Zhou Lili. Tampering detection and classification of intelligent video surveillance system[J]. Journal of Data Acquisition & Processing, 2013,28(2):231-238.

[8] Dollar P, Appel R, Belongie S, et al. Fast feature pyramids for object detection[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2014, 36(8):1532-1545.

[9] Benenson R, Omran M, Hosang J, et al. Ten years of pedestrian detection, what have we learned?[J]. Computer Science, 2014, 8926:613-627.

[10] Wu X, Kim K Y, Wang G, et al. Fast human detection using deformable part model at the selected candidate detection positions[C]∥Rough Sets and Knowledge Technology.[S.l.]：[s.n.], 2015.

[11] Cheng M M, Zhang Z, Lin W Y, et al. BING: Binarized normed gradients for objectness estimation at 300fps[C]∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition．[S.l]:IEEE, 2014: 3286-3293.

[12] Zitnick C L, Dollár P. Edge boxes: locating object proposals from edges[C]∥Computer Vision-ECCV 2014, [S.l]:[s.n.], 2014:391-405.

[13] Felzenszwalb P F, Girshick R B, David M A, et al. Object detection with discriminatively trained part-based models[J]. Pattern Analysis & Machine Intelligence IEEE Transactions on, 2010, 32(9):1627-1645.

[14] Gadeski E, Fard H O, Borgne H L. GPU deformable part model for object recognition[J]. Journal of Real-Time Image Processing, 2014:1-13.

[15] 陳金輝, 葉西寧. 行人檢測中非極大值抑制算法的改進[J]. 華東理工大學學報(自然科學版), 2015, 41(3):371-378.

Chen Jinhui, Ye Xining. Improvement of non-maximum suppression in pedestrian detection [J]. Journal of East China University of Science and Technology (Natural Science Edition), 2015, 41(3):371-378.

[16] Felzenszwalb P F, Girshick R B, McAllester D. Cascade object detection with deformable part models[C]∥Computer vision and pattern recognition (CVPR), 2010 IEEE Conference on. [S．l.]:IEEE, 2010: 2241-2248.

[17] Dollár P, Belongie S, Perona P. The fastest pedestrian detector in the west[C]∥BMVC.[S.l]：[s.n.]，2010.