摘要 ?本文提出了一種實時并且精準(zhǔn)的人體檢測架構(gòu)C4。C4在目前最高精確度下可以達(dá)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(dá)到的。能達(dá)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(dá)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(jìn)一步的硬件加速，我們在一個嵌入式的1.2GHz CPU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(jìn)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(dá)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(dá)到問題的前沿，例如：特征、分類器、速度、遮擋處理等，引文[1]~[11]做了詳細(xì)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(rèn)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(dá)到大約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(contour cues)進(jìn)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CENTRIST與其他特征進(jìn)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(dá)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：detecting humanContour using aCascadeClassifier and theCENTRISTdescriptor.

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(biāo)準(zhǔn)人體檢測數(shù)據(jù)集上的實驗結(jié)果；第二，在線檢測結(jié)果，即在iRobot PackBot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] (False Positive Per Image)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(LocalBinary Patern)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。HIK SVM(Histogram IntersectionKernel SVM)[16][17]可以達(dá)到更高的精度，耗時有所增加[4]。

最近的研究還提高了人體檢測的速度。層級(cascade)[7][11]和積分圖[14][8]被廣泛用來加速檢測。然而，檢測速度仍遠(yuǎn)低于幀率，所以人們使用GPU來做并行計算，例如，[9]中的系統(tǒng)達(dá)到了10fps，[8]中達(dá)到了4fps，兩者都使用了GPU。在SectionⅣ中，我們展示了一種可以在不使用GPU的單線程上達(dá)到20fps的方法(并且此方法非常易于做GPU加速)。表Ⅰ對比了當(dāng)前的幾種快速檢測方法的速度和精度，包括本文提出的C4方法。

表Ⅰ，幾種人體檢測方法的速度比較。VGA分辨率是640*480，qVGA是320*240，精度單位是1FPPI(False Positive Per Image)

?