Document

Report
CVReading2010
New Features and Insights
for Pedestrian Detection
2010/09/07
後藤 雄飛
論文紹介

New Features and Insights for
Pedestrian Detection [CVPR2010]
http://www.mis.tu-darmstadt.de/CVPR10Pedestrians
 著者
Stefan Walk1,Nikodem Majer1,
Konrad Schindler1,Bernt Schiele1,2
1Computer
Science Department,TU Darmstadt
2MPI Informatics,Saarbrücken
データセット

INRIA Person dataset
 歩行者検出に多く使用される
歩行者検出の大きな進歩によりINRIA Person datasetの
検出精度が良好
直立や動作の少ない人が多く存在
データセット


Caltech Pedestrian dataset
TUD-Brusswls Pedestrian dataset
人の動作を多く含むため困難
現在までこれらのデータセットへの実行は不十分のため
Stefan Walkらは新しい特徴量を利用して挑戦
歩行者検出に利用する特徴量



Histograms of Oriented Gradients(HOG)
Histograms of Flow(HOF)
Color Self-Similarity(CSS)
歩行者検出に利用する特徴量



Histograms of Oriented Gradients(HOG)
Histograms of Flow(HOF)
Color Self-Similarity(CSS)
提案された特徴量
HOG特徴量[Dalal et all,CVPR2005]

Histograms of Oriented Gradients(HOG)
特徴量
 画像局所領域の勾配方向ごとの強度に着目
 特徴量を勾配方向ヒストグラムで表現
HOF特徴量[Dalal et all,CVPR2006]

Histograms of Flow(HOF)特徴量
 時系列の勾配強度に着目
勾配の算出方法 IMHcd : ブロックで正規化された中央セルの勾配
IMHwd : Haar-Waveletを利用した勾配
など
HOF特徴量[Dalal et all,CVPR2006]
S,Walkらは,IMHwdを改良したIMHd2を提案
(4×4ピクセル領域ごとの勾配を算出)
CSS

Color Self-Similarity(CSS)
 色の類似性の位置関係を捉える特徴量
 色空間にHSVを使用
人の肌や衣類などは特定の場所で類似している
CSS
特徴量の算出
グリッドごとにHSVの強度ヒストグラム(9bin)を算出
 各グリッドを組み合わせ類似度を算出

8128次元の特徴量
CSS
特徴量の算出

入力画像
(トライリニア補間によりエイリアシングを防ぐ)
CSS
特徴量の算出

グリッド(8×8ピクセル)に分割
CSS
特徴量の算出

色ごとに強度ヒストグラム(3bin)の算出
CSS
特徴量の算出

色ごとに強度ヒストグラム(3bin)の算出
CSS
特徴量の算出

色ごとに強度ヒストグラム(3bin)の算出
CSS
特徴量の算出

HSVの強度ヒストグラム(9bin)の算出
CSS
特徴量の算出

色ごとに強度ヒストグラム(3bin)の算出
CSS
特徴量の算出

グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出

グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出

グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出

グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出


グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出

グリッド同士の類似度をL2ノルムで算出
CSS
特徴量の算出
グリッドごとにHSVの強度ヒストグラム(9bin)を算出
 各グリッドを組み合わせ,類似度を算出

8×16グリッド組み合わせ 8128次元の特徴量
特徴量の評価
HOG特徴量にCSSを併用することで検出精度の向上
HOF特徴量とCSSを併用することで検出精度が最も高い性能

similar documents