Transcript Document
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