real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra

real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra

ID:18492306

大小:901.51 KB

頁數(shù):11頁

時間:2018-09-18

real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra_第1頁
real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra_第2頁
real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra_第3頁
real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra_第4頁
real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra_第5頁
資源描述:

《real-time human detection using contour cues_基于輪廓線索的實時人體檢測_2011icra》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、Real-TimeHumanDetectionUsingContourCue_基于輪廓線索的實時人體檢測_2011ICRA摘要??????本文提出了一種實時并且精準的人體檢測架構(gòu)C4。C4在目前最高精確度下可以達到20幀每秒的檢測速度,并且是在只使用一個處理線程和不使用GPU等硬件的情況下達到的。能達到實時而精確的檢測源于以下兩點:第一,相鄰像素差值的符號是描述輪廓的關(guān)鍵信息;第二,CENTRIST描述子非常適合做人體檢測,因為它編碼了符號信息并且可以隱式地表達全局輪廓。使用CENTRIST描述子和線性分類器,我們提出了一種不需要顯式生成特征向量的計算方法,它不需要圖像的預(yù)處理或特征向量的

2、歸一化,只需要O(1)時間去測試一個圖片區(qū)域。C4也非常適合進一步的硬件加速,我們在一個嵌入式的1.2GHzCPU上同樣實現(xiàn)了20fps的高速人體檢測。?Ⅰ引言??????人體檢測在生活中應(yīng)用廣泛:監(jiān)控系統(tǒng)和機場安全,自動駕駛和駕駛輔助系統(tǒng),人機交互,互動娛樂,智能家庭和老人輔助,軍方的尋人應(yīng)用等。廣泛的應(yīng)用和挑戰(zhàn)吸引了很多研究者參與到其中來。??????本文的目的是以最少的誤報率進行實時而精確的人體檢測。在機器人系統(tǒng)上,計算效率尤其重要,不僅要達到實時的檢測,還要做的占用盡量少的CPU資源,使得其他任務(wù)例如路徑規(guī)劃、導(dǎo)航等不會受到影響。??????目前的人體檢測在很多方面已經(jīng)達到問題的前

3、沿,例如:特征、分類器、速度、遮擋處理等,引文[1]~[11]做了詳細論述。然而,至少還有兩個重要問題沒有得到解決:??????(1)實時檢測檢測速度非常重要,因為實時檢測是很多現(xiàn)實應(yīng)用[12]的先決條件。???????(2)?確定最重要的信息源?HOG[1]和LBP[8]特征在人體檢測中取得了成功,但我們還不是很清楚的了解這些特征中最重要的信息是什么,或者說,為什么這些特征可以取得這么好的檢測效果。??????在本文中,我們認為這兩個問題是緊密相關(guān)的,我們證明合適的特征選擇會帶來高效的檢測結(jié)果。事實上,特征計算是現(xiàn)有方法的主要瓶頸,現(xiàn)有方法即使使用GPU的100+并行處理線程,也只能達到

4、大約10fps的檢測速率。大多數(shù)時間都耗費在了特征計算上(包括圖像預(yù)處理、特征構(gòu)建和特征向量歸一化)。??????本文主要解決了兩個問題。第一,通過一系列精心設(shè)計的實驗(見SectionⅢ-A)表明表征身體外沿的輪廓特征可以提供人體檢測的重要信息。我們發(fā)現(xiàn)相鄰像素差值的符號對于表示輪廓至關(guān)重要,但差值的大小沒有符號信息重要。??????第二,我們提出用輪廓線索(contourcues)進行人體檢測,并表示成熟的CENTRIST[13]特征非常適合人體檢測(見SectionⅢ-B)。CENTRIST編碼了像素差值的符號信息,并且可以表示全局(大規(guī)模)輪廓。在SectionⅢ-C中,我們將CE

5、NTRIST與其他特征進行了對比。??????CENTRIST特征在速度上非常吸引人,在SectionⅣ中,我們提出了一種不包括圖像預(yù)處理和特征向量歸一化的評價方法。事實上,沒有必要顯式地計算CENTRIST特征向量,因為它已經(jīng)無縫的嵌入在分類器中,能夠達到視頻流檢測速度。我們使用層級分類器,所以將此方法叫做C4:detectinghumanContourusingaCascadeClassifierandtheCENTRISTdescriptor.??????C4可以在不使用GPU的單線程上實現(xiàn)精確地實時人體監(jiān)測。在SectionⅤ中,我們用兩種評價方法展示實驗結(jié)果,第一,在一個標準人體

6、檢測數(shù)據(jù)集上的實驗結(jié)果;第二,在線檢測結(jié)果,即在iRobotPackBot上的實驗結(jié)果。特別的,我們還展示了基于實時行人檢測的行人跟蹤。我們將此檢測系統(tǒng)提供給其他研究者使用。?Ⅱ相關(guān)研究工作??????人體檢測的精確度仍是主要研究方向,尤其是在低FPPI[2]?(FalsePositivePerImage)時的高檢測率。在此方面的研究主要向兩個方向發(fā)展:特征和分類器。??????人體檢測中使用過各種特征,例如Haar[7],edgelet[10],然而HOG是使用最多的人體檢測特征[1,3,4,6,8]。邊緣在不同方向上的強度分布似乎可以有效地在圖像中捕獲人體。近來,LBP(LocalBi

7、naryPatern)方法的變體也表現(xiàn)出很大潛力[5][8]。最近人體檢測趨向于聯(lián)合多種信息源,例如顏色、局部紋理、邊緣、運動等等[14,6,8,15],引入更多信息通道會提高檢測精度,但同時也會增加檢測時間。??????在分類器方面,線性SVM由于速度快而被廣泛使用。HIKSVM(HistogramIntersectionKernelSVM)[16][17]可以達到更高的精度,耗時有所增加[4]。??????最近的研究

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。