联合梯度直方图和局部二值模式特征的人体检测

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图。最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型。在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89%提高到95%,单窗口检测速度由0.625ms提高到0.533ms。本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率。

基于多尺度细胞局部二值模式的人体检测

细胞局部二值模式(cell structured Local Binary Pattern)不能将人体图像的局部信息与全局信息相结合。针对这一不足,在细胞局部二值模式特征的基础上,提出多尺度细胞局部二值模式(Multi-scale cell structured Local Binary Pattern,MLBP)特征描述子,联合局部与全局信息,增加检测特征的信息量;另外,在MLBP的基础上进一步提出一个控制因子调节的新算子—可调多尺度细胞局部二值模式(Adjustable Multi-scale cell structured Local Binary Pattern,AMLBP),利用控制因子选择MLBP的最佳表征,提高人体检测的准确率。实验结果表明所提出的两个新特征较前人提出的特征更有效。