作者：何許梅，舒小華，谷志茹，韓 逸，肖習(xí)雨

0 引言

行人檢測(cè)是目標(biāo)檢測(cè)領(lǐng)域中重要的研究課題，其在智能駕駛系統(tǒng)、視頻監(jiān)控、人流量密度監(jiān)測(cè)等領(lǐng)域有廣泛應(yīng)用。但由于行人背景的復(fù)雜以及個(gè)體本身的差異，行人檢測(cè)成為目標(biāo)檢測(cè)領(lǐng)域的研究難點(diǎn)之一。

目前行人檢測(cè)方法主要分為兩類：傳統(tǒng)的行人識(shí)別主要通過人工設(shè)計(jì)特征結(jié)合分類器的方式進(jìn)行。比較經(jīng)典的方法有HOG+SVM、HOG+LBP 等。此類方法可以避免行人遮擋帶來的影響，但是泛化能力和準(zhǔn)確性較低，難以滿足實(shí)際需求。另一類是基于深度學(xué)習(xí)的方法。通過多層卷積神經(jīng)網(wǎng)絡(luò)（CNN） 對(duì)行人進(jìn)行分類和定位。與傳統(tǒng)特征算子相比，CNN 能根據(jù)輸入的圖像自主學(xué)習(xí)特征，提取圖像中更豐富和更抽象的特征。目前已有許多基于深度學(xué)習(xí)的目標(biāo)檢測(cè)框架，如R-CNN（Region Convolutional Neural Network） 系列、YOLO（You Look at Once） 系列。R-CNN 系列算法又被稱為二階段算法，該類算法通過網(wǎng)絡(luò)找出待檢測(cè)目標(biāo)可能存在的位置，即疑似區(qū)域，然后利用特征圖內(nèi)的特征信息對(duì)目標(biāo)進(jìn)行分類，優(yōu)點(diǎn)是檢測(cè)準(zhǔn)確率較高，但實(shí)時(shí)性較差。YOLO 系列算法又稱為一階段算法，此類算法所有工作過程在一個(gè)網(wǎng)絡(luò)內(nèi)實(shí)現(xiàn)，采用端到端的方式，將目標(biāo)檢測(cè)問題轉(zhuǎn)換為回歸問題，使其網(wǎng)絡(luò)的實(shí)時(shí)性得到了較好的提高，但準(zhǔn)確率卻不及Faster R-CNN（Faster Region Convolutional Neural Network，更快速的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)）。

本論文借鑒目標(biāo)檢測(cè)的R-CNN 系列算法，在Faster R-CNN 網(wǎng)絡(luò)的第一層卷積層前加入一個(gè)預(yù)處理層，其次使用K-means 算法聚類分析anchor 框中行人的寬高比，選出適合行人的寬高比作為anchor 的尺寸，提出交通場(chǎng)景下基于Faster R-CNN 的行人檢測(cè)算法。所提方法在自制的交通場(chǎng)景下的數(shù)據(jù)集上進(jìn)行測(cè)試，實(shí)驗(yàn)表明網(wǎng)絡(luò)的檢測(cè)效果有明顯提升。

1 Faster R-CNN檢測(cè)方法

Faster R-CNN 的檢測(cè)框架如圖1 所示。其檢測(cè)流程主要分為4 部分：卷積網(wǎng)絡(luò)、RPN（Region Proposal Network）、感興趣區(qū)域池化（RoI Pooling） 以及目標(biāo)檢測(cè)分類。

卷積網(wǎng)絡(luò)由卷積層、池化層和輸出層構(gòu)成，各網(wǎng)絡(luò)層之間權(quán)值共享，從訓(xùn)練的數(shù)據(jù)集中學(xué)習(xí)并自動(dòng)提取目標(biāo)特征。與傳統(tǒng)手工設(shè)計(jì)特征相比，具有更好的泛化能力。

RPN 使用一個(gè)3×3 的塊在最后一個(gè)卷積層輸出的特征圖上滑動(dòng)來獲得區(qū)域建議框即anchor 框，F(xiàn)asterR-CNN中的anchor 框有3 種比例尺寸，分別為0.5、1、2。

Faster R-CNN 的全連接層需要固定大小的輸入，因此通過RoI 池化將不同大小的RoI 轉(zhuǎn)成固定的大小。圖2 為RoI 的池化過程。

在檢測(cè)分類階段，分類函數(shù)計(jì)算得分，得到目標(biāo)的所屬類別，同時(shí)通過邊界框回歸計(jì)算出檢測(cè)框的位置偏移量，得到更精確的位置。

2 改進(jìn)的行人檢測(cè)方法

Faster R-CNN 是針對(duì)通用目標(biāo)的檢測(cè)網(wǎng)絡(luò)，識(shí)別的類別數(shù)為20，但在行人檢測(cè)中只需要識(shí)別“行人”及“背景”這兩個(gè)類別。由于圖片中的行人在圖片中所占的比例較小，因此設(shè)計(jì)一個(gè)預(yù)處理層，提取一層底層特征（本文提取紋理特征），再與原始圖像一起輸入到卷積網(wǎng)絡(luò)中，能夠減少訓(xùn)練所需的時(shí)間。

2.1 預(yù)處理層

選擇傳統(tǒng)行人檢測(cè)方法中的紋理特征（LBP 特征） 作為預(yù)處理部分要提取的特征。LBP 特征描述了圖片的局部紋理，它以每個(gè)像素值為中心取一個(gè)局部鄰域區(qū)域，比較該區(qū)域內(nèi)的每個(gè)像素的灰度值與中心像素的灰度值，得到一個(gè)二進(jìn)制碼，即該中心像素的LBP 值。但會(huì)導(dǎo)致二進(jìn)制模式種類過多，所以等價(jià)模式（Uniform Pattern） 應(yīng)運(yùn)而生。等價(jià)LBP（ULBP） 在LBP 算子的基礎(chǔ)上，統(tǒng)計(jì)二進(jìn)制數(shù)中“01”或“10”跳變的次數(shù)，若跳變次數(shù)在2 次以內(nèi)，則稱為一個(gè)等價(jià)模式類，定義式為：

式中， gp 表示鄰域像素值， gc 表示中心像素值，U（LBP ） P，R 代表“01”或“10”的跳變次數(shù)。

從圖3 中可以看出，圖像中行人與背景的區(qū)別轉(zhuǎn)換成了紋理上的差異。

（a）原圖

（b）ULBP圖

圖3 原圖與ULBP圖

2.2 anchor框聚類分析

使用k-means 聚類對(duì)訓(xùn)練集中所有行人目標(biāo)的真實(shí)框進(jìn)行聚類分析。anchor 框聚類分析算法的主要流程：

Step1：將訓(xùn)練集中所有目標(biāo)框的寬高構(gòu)成數(shù)據(jù)集D，再從D 中隨機(jī)選擇一個(gè)聚類中心ci false；

Step2：求D 中每個(gè)樣本s 到ci 的距離，記為di ，將使di 最小的那個(gè)樣本歸到ci 中；

Step4：循環(huán)執(zhí)行Step2 和Step3，直到聚類中心不變。

取出所有行人標(biāo)注框的坐標(biāo)信息，計(jì)算出每一個(gè)標(biāo)注框的寬和高，并對(duì)其進(jìn)行聚類統(tǒng)計(jì)，這里取聚類數(shù)k = 3 。隨后，計(jì)算寬與高的比值，使用統(tǒng)計(jì)直方圖的方法求出其均值，得到寬高比的均值μ = 0.39 ，也就是說訓(xùn)練集中目標(biāo)的anchor 框的合適的寬高比是0.39，即w ≈ 0.39h。圖 4 為行人 anchor 框的寬高統(tǒng)計(jì)結(jié)果。

因此，本文將原Faster R-CNN 算法中anchor 框的寬高比修改為（0.39:1）。

a）寬高統(tǒng)計(jì)圖

（b）寬高比統(tǒng)計(jì)圖

圖4 寬高聚類分析

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)集來源有：車載攝像頭拍攝的圖片、手機(jī)拍攝的圖片，選取光照條件比較好的圖片作為數(shù)據(jù)集，采用LabelImg 圖像標(biāo)注工具對(duì)采集到的圖片進(jìn)行標(biāo)注，標(biāo)注的區(qū)域包含行人的輪廓，得到帶標(biāo)簽的行人數(shù)據(jù)集，共計(jì)1 304 張。標(biāo)簽名統(tǒng)一采用person 表示。在模型的訓(xùn)練階段，選取數(shù)據(jù)集的80% 來訓(xùn)練模型，20% 作為測(cè)試集。部分實(shí)驗(yàn)數(shù)據(jù)集如圖5 所示。

圖5 數(shù)據(jù)集樣本

3.2 實(shí)驗(yàn)平臺(tái)及訓(xùn)練

實(shí)驗(yàn)所使用的軟硬件環(huán)境如表1 所示。

表1 軟硬件配置

訓(xùn)練參數(shù)如表2 所示。

表2 訓(xùn)練參數(shù)設(shè)置

3.3 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)采用平均準(zhǔn)確度（mAP）作為判斷算法性能的標(biāo)準(zhǔn)。在自制的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，檢測(cè)精度達(dá)到了90.1%。所提方法檢測(cè)結(jié)果與直接使用Faster R-CNN的檢測(cè)效果對(duì)比如圖6 所示，圖6（a） 表示直接使用Faster R-CNN 的檢測(cè)效果，圖6（b） 表示所提算法的檢測(cè)效果，通過左右圖片對(duì)比可以看出，使用所提算法檢測(cè)出來的目標(biāo)個(gè)數(shù)要優(yōu)于調(diào)整前的檢測(cè)個(gè)數(shù)。

（a） Faster R-CNN檢測(cè)結(jié)果

（b）本文方法結(jié)果

圖6 測(cè)試結(jié)果對(duì)比

為了比較調(diào)整寬高比對(duì)模型準(zhǔn)確率的影響，在自制數(shù)據(jù)集上對(duì)原算法和所提算法分別訓(xùn)練40 000 次。得到的檢測(cè)準(zhǔn)確率如表3 所示，所提算法的準(zhǔn)確率較原算法提高了1.8%。

表3 調(diào)整寬高比前后測(cè)試結(jié)果

4 結(jié)語

以Faster R-CNN 為基礎(chǔ)，通過在卷積層之前加入一個(gè)預(yù)處理層成功實(shí)現(xiàn)行人檢測(cè)的目標(biāo)。以自制數(shù)據(jù)集為訓(xùn)練和測(cè)試網(wǎng)絡(luò)所需的數(shù)據(jù)，針對(duì)漏檢和誤檢，提出將紋理特征作為底層特征對(duì)原圖進(jìn)行預(yù)處理，同時(shí)使用K-means 算法對(duì)行人寬高比進(jìn)行統(tǒng)計(jì)分析，得出適合數(shù)據(jù)集中行人的寬高比尺寸，達(dá)到降低漏檢的目的。實(shí)驗(yàn)測(cè)試結(jié)果表明，本文算法可以有效提高交通場(chǎng)景下行人檢測(cè)的準(zhǔn)確率，在漏檢率和誤檢率上，分別提高了5%、6.1%。但存在訓(xùn)練樣本還不夠豐富，因此下一步研究工作的重點(diǎn)將放在提高檢測(cè)模型的實(shí)時(shí)性和魯棒性上。
責(zé)任編輯:tzh