基于有向直方图的人体上半身检测方法

陈亮亮 汪文彬 李应勇

摘要：已有的人体上半身检测方法一般是建立在行人站立或者是行走的平视图上，需要从多个角度对人体进行检测。为此提出基于有向直方图的人体上半身检测方法，该方法把人体上半身的梯度方向直方图统计信息作为检测目标的特征，提取检测样本，从而准确的对人体上半身进行检测，通过实验分析发现提出的方法不仅检测效率高且检测速度也相对较快。

关键词：有向直方图；人体上半身；检测样本

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）08-0103-01

在当前国际上现有的人体上半身检测方法当中，主要都是针对站立行人的平视图。这些方法当中最具代表性的方法主要有神经网络与全面感知域相融合的方法[1]；类哈尔与自适应的分类器结合的方法；向量机支持和梯度方向直方图相结合办法，纹理和长方形相结合的检测方法等等[2]。但是这些方法都主要应用于无人车驾驶、车辆辅助驾驶以及目标分类或者安防视频监控等场合，再具体的实际应用当中，这些方法的操作流程也较为复杂，且操作难度较大。基于有向直方图的人体上半身检测方法作为一种新型的人体上半身检测方法，能够有效的解决当前现有的人体上半身检测方法当中的不足，其操作流程就为方便且耗时较短，能够有效的提高检测质量和检测效率。

1 基于有向直方图的人体上半身检测方法研究

1.1 检测人体上半身特征

本文方法主要是以计数为目的的人体上半身检测，对人体进行特征提取、特征判别以及最终的计数。但是，在真实的环境中，有向直方图中人体上半身并非使呈现出团块特征，由于受到人体的站姿、位置以及衣服的影响，有向直方图中人体上半身的特征提取并不直观，有时候它只是显示出一个颜色均匀的板块[3]。为此，在基于有向直方图的人体上半身检测方法当中如果仅仅依靠特定形状或者特定颜色来检测目标是比较片面的。通过实践分析人体上半身图像，可以发现，在这些图像当中，人体的左右肩膀呈现出不对称的特征，因此可以利用这一特征进行信息提取和分析，以此来提出一种适用于人体上半身检测的度方向描述算子。

1.2 检测和分析人体上半身HOG 算子

本文所提出的方法主要是以人体上半身区域梯度方向的统计信息作为一个最终检测目标的特征，之后在使用SVM进行分类判断。结合HOG方法在静态图像中的人体上半身检测中，通过HOG方法能够有效的描述出人体上半身图像的边缘方向分布和梯度分布。本文方法的算子计算过程相对简单，且计算精准度较高。相对于HOG算子，本文方法的算子主要包括以下两个部分。

1.3 直方图统计的最小单位

目前，我国已有的人体上半身检测方法它是将检测目标图像划分成9×8=72个Blocks，并且每一个Block还包含2个Cell，并且该检测方法是以Cell作为最小单位统计梯度方向直方图。而本文所研究的基于有向直方图的人体上半身检测方法不是以Cell作为最小单位统计梯度方向直方图，基于有向直方图的人体上半身检测方法它以Block作为最小单位统计梯度方向直方图，这样做的主要目的是为了弱化细节特征。在划分目标时，基于有向直方图的人体上半身检测方法采用了大尺度的Block，它把目标划分为8个Block，以此来突出目标区域自身的稳定性特征。

1.4 归一化处理

为了减少周边环境对检测结果的影响，在进行特征处理时一般都会进行特征归一化处理。当前现有的归化一处理主要的针对每一个Block进行单独的归化一处理，以此来有效的处理器局部边缘特征。而本文所研究的基于有向直方图的人体上半身检测方法则侧重于梯度方向的区域检测，首先需要统计目标的Block梯度方向区域特征值，然后在对针对区域目标中所有Block的梯度方向区域特征值进行统一的归一化处理，这中方法也可以被称作为对目标特征向量整体归一化处理方法。

1.5 检测框架研究

如图1所示为本文所研究的基于有向直方图的人体上半身检测方法检测整体框架图。

2 试验分析

为了验证本文所研究的基于有向直方图的人体上半身检测方法的有效性，特意进行了此次试验检测。如表1所示，此次实验总共选取了三组数据对比，总共300张完整的人体上半身图像。第一组为200张，并且每一张当中只有一个目标；第二组为50张，其中每一张里面有两个目标；第三组为50张，其中每张至少有三个目标。

通过实验分析发现，传统的HOG算子比本文所研究的算子在准确率上要低，大约低3-5个百分点，并且本文所研究的方法更具有实用性。

3 结语

本文所提出的基于有向直方图的人体上半身检测方法，与当前的人体上半身检测HOG算子相比，它没有对局部区域梯度方向信息进行重复统计，诞生它采用了更大角度范围，从而有效的对目标边缘轮廓及其区域范围进行了梯度方向的统计。

参考文献

[1]孔月萍，刘霞，谢心谦，等.基于梯度方向直方图的人脸活体检测方法[J].激光与光电子学进展，2018，55（03）：149-151.

[2]徐海洋，孔军，蒋敏，等.基于时空方向主成分直方图的人体行为识别[J].激光与光电子学进展，2018，55（06）：201-203.

[3]郭永茂，周石博，高艾.基于方向梯度直方圖的陨坑预检测算法[J].无线电工程，2018，48（06）：478-483.