A Pedestrian Detection Method Based on SVM Classifier and Optimized Histograms of Oriented Gradients Feature¶

Abstract:¶

• 通过优化HOG技术来实现更为精确的人物识别系统。

• 并不是通过归一化输入识别窗口，而是通过重新改编单元和模块的大小来实现优化，改编的比率相同。

Introduction:¶

• 作为一个非网格的物体，行人可以有许多的姿势，并且可能出现在不同的道路上，穿着不同颜色和图案的衣服。因此，不同的行人会有不同的图像产生。此外，行人只有部分身体是可见的也是一个处理图像的困难点。

HOG features¶

• 每个识别窗口将会分成许多模块，一个模块4个单元，一个单元64个像素。每个单元组成一个9BIN的HOG直方图，且每个模块组成一个连接所有单元的向量。

• HOG特征的优势在于，它是基于斜率方向直方图的分布，所以它可以描述出人物外形轮廓的特征，并且并不对光强变化敏感。

优化的HOG特征¶

• 首先计算斜率信息，之后在分模块时，并不同以往，而是仅仅设置其比率为1:2，每个输入图像被分割成8*16的单元。

• 第二步，spatial/orientation binning 则是要创建单元直方图。将180度9等分，通过查看之前直接角的值来进行加权投票。

• 整合图像：它允许对矩形形状特征的非常快速的评估。