科技・探索・争鸣 Ｓｃ科ｉｅｎｃｅ＆Ｔｅ技ｃｈ视ｎｏｌｏｇｙ界 Ｖｉｓｉｏｎ 基于视觉注意机制的行人检测方法 张艳军邓永生 田甄 （重庆邮电大学自动化学院，中国重庆４０００６５） 【摘要】视觉注意机制是人类视觉信息处理过程中的一项极为重要的心理调节机制．将注意机制融入到行人检测中．提出一种基于视觉 注意机制的行人检测方法。利用注意模型提取颜色、亮度、形状等多种特征，生成显著图，再利用ＷＴＡ网络提取感兴趣区域。即行人检测区域： 采用ＨＯＧ作为特征对行人检测区域进行行人检测，该方法首先利用在梯度方向提取人体目标的特征集运用支持向量机训练得到一个ＳＶＭ 行人分类器，最后通过Ｏｐｅｎｃｖ平台应用到视频行人检测系统中。实验结果表明，相比较ＨＯＧ检测方法具有较高的准确率和实时性．该方法 ，对天气和光照变化都有很强的适应能力 【关键词】注意机制；ＨＯＧ；ＳＶＭ：ｗＴＡ ０引言 行人检测是智能交通和驾驶辅助系统的重要组成部分 快速准确 的检测行人可以辅助司机提高行车安全．或者为智能车辆实现安全驾 驶和自主导航提供关键技术．因此．这个课题近年来备受关注 基于视觉的行人检测方法可以分为三大类：基于模板型、基于模 型与基于学习型。基于模板型是以确定人体模板作为匹配初始条件． 但人体的模板求解比较复杂：基于模型是采用建立好的模板在图像上 进行匹配，从而完成车辆检测．该算法容易受光线变化、行人的姿态变 化的影响，并对模板依赖较大，而且行人的姿态太多．统一建模困难： 基于学习型的方法是通过提取人体的各种特征．然后利用模式识别的 方法进行分类．其中基于梯度方向直方图ｆ Ｈｉｓｔｏｇｒ ａｍ ０ｆ ０ｒｉｅｎｔ。ｄ Ｇｒａｄｉｅｎｔ，简称ＨＯＧ）的特征描述行人的方法最为主流．但是提取的人 体特征向量维数较大，使得计算量较大．严重影响了实时性．加上线性 ＳＶＭ作为弱分类器进行级联训练．虽然节省了时间．但需要在整个图 像区域匹配．影响了实时性与精确性 针对以上的不足．本文引入了视觉注意机制．将模拟人类视觉注 意机制的目标检测方法引入到行人检测中 在传统的注意模型ｌ１ｌ中加 入形状特征描述．提取颜色、亮度和形状等特征１２１．将各个特征通过一 定的特征合并策略将各注意图合并成一张显著图．以定位出行人检测 区域．．然后在行人检测区域利用行人训练得到的分类器进行检测 １ 基于注意机制的检测模型 人类视觉系统指导注意力分配的因素¨引有两个：自底而上的注意 和白上而下的注意 其中，自下而上的注意．也称为数据驱动的注意选 择．是最具代表性的是基于特征整合理论的显著性检测模型 该模型的基本思想是．输人一幅图像．通过线性滤波提取视觉特 中的亮度、颜色和方向三种特征．通过边缘检测得到的边缘图形成 对应的形状注意图．在多种尺度下通过高斯金字塔、周边差和归 一化处理．形成相对应的亮度特征图、颜色特征图和方向特征图 这些 特征图先经过特征内部的竞争，形成颜色、亮度、方向的关注图，然后 通过特征之间合并生成最终的显著图．再经过生物学中赢者取全 ＷＴＡ（Ｗｉｎｎｅｒｓ Ｔａｋｅ Ａｌ１）网络．提取行人检测区域 Ａ底向上的数据驱动模式采用的是Ｓａｌｉｅｎｃｙ Ｔｏｏｌ模型 设ｒ、ｇ、ｂ 分别对应于输入图像的红、绿、蓝信道。于是可得灰度图，Ｊ＝（ｒ＋ ６）／３， 及高斯金字塔，（ ） 为了从强度中分离出色度信号，使用Ｉ来归一化 ｒ ｂ信道。因为亮度非常低的色度变化是觉察不到的，所以归一化 仅在灰度大于全图最大的１／１０位置上进行， 而其他位置的ｒ、ｇ、ｂ值 则被赋为０。 归一化后建立４个宽调谐的颜色通道：红色Ｒ＝ｒ一（ ＋６）／２，绿色 Ｇ＝ （ｒ ）／２，蓝色Ｂ＝ｂ一（ ｒ）／２和黄色Ｙ＝（ｇ＋ｒ）／２一Ｉｒ—ｇｌ／２一ｂ，负值则 置为０ 进一步根据这些颜色通道可建立４个高斯金字塔．可得具有 方向选择性的实Ｇａｂｏｒ金字塔Ｄ（ ． ）。 考虑３种特 ．亮度、颜色和朝向 若周边差操作为＠。 在人类视觉系统中．该特征是由对暗亮周边或亮暗周边 敏感的神经元来检测的 神经元在被一种颜色所激励的同时．被另一 种颜色所抑制．而在感受野的周边则相反 在人类的视皮层中，共有４ 种空间和颜色秸抗，分别为红／绿、绿／红、蓝／黄和黄／蓝颜色对。 其中．Ｎｆ．）为特征图的归一化算子；④为逐点求和。 关于朝向特征，用０∈｛０ｏ，４５。，９０。，１３５。｝这４个方向的Ｇａｂｏｒ滤 波器对亮度图进行滤波．得到方向图 科技视界Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ Ｖｉｓｉｏｎ 其中，Ｏ（ｃ， ）为实Ｇａｂｏｒ金字塔。 最后，将３种特征进行合并，生成显著图，再根据ＷＴＡ机制找到 显著图中的兴趣区域，映射回原图，得到目标区域。 ２基于ＨＯＧ与ＳＶＭ分类器相结合的行人检测方法 方向梯度直方图【 （Ｈｉｓｔｏｇｒａｍ ｏｆ ０ｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔ，ＨＯＧ）特征是 一种在计算机视觉和图像处理中用来进行物体检测的特征描述子 它 通过计算和统计图像局部区域的梯度方向直方图来构成特征 通过检 测窗口对整幅图像的整体信息转换为组向量数据集．即ＨＯＧ特 向 量，最后通过支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ．ＳＶＭ）判断人与非 人。 ２．１ ＨＯＧ特征计算 ＨＯＧ特征的计算过程如下： １）灰度化（将图像看作一个ｘ’ｖ．ｚ（灰度）的三维图像）； ２）采用Ｇａｍｉｌｌａ校正法『 对输入图像进行颜色空间的标准化（归一 化）；目的是调节图像的对比度．降低图像局部的阴影和光照变化所造 成的影响．同时可以抑制噪音的干扰： ３）采用简单的梯度算子下ｌ＿ｌ，０ １］平方向Ｇ 和垂直方向Ｇ， 的梯 度值： ４）计算梯度方向日（ ， ）； ５）将图像划分成小ｃｅｌｌｓ（例如６＊６像素／ｃｅｌ１）； ６）统计每个ｃｅ１１的梯度直方图（不同梯度的个数），即可形成每个 ｃｅｌｌ的ｄｅｓｃｒｉｐｔｏｒ： ７）将每几个 ｅ１１组成一个ｂｌｏｃｋ（例如３＊３个ｃｅｌｌ／ｂｌｏｃｋ），一个 ｂｌｏｅｋ内所有ｃｅ１１的特征ｄｅｓｃｒｉｐｔ０ｒ串联起来便得到该ｂｌｏｃ ｋ的ＨＯＧ 特征ｄｅｓｃｒｉｐｔｏｒ。 ８）将图像ｉｍａｇｅ内的所有ｂｌｏｃｋ的ＨＯＧ特征ｄｅｓｃｒｉｐｔｏｒ串联起来 就可以得到该ｉｍａｇｅ（你要检测的目标）的ＨＯＧ特征ｄｅｓｃｒｉｐｔｏｒ了 这 个就是最终的可供分类使用的特征向量了 ２．２ ＳＶＭ分类器 支持向量机将向量映射到一个高维的空间里，在这个空间里建立 有一个最优超平面 在分开数据的超平面的两边建有两个互相平行的 超平面。把待分类训练数据设为｛ ，ｙ ｝其中取代表训练样本ＨＯＧ特 征向量，瓦代表样本种类（人用ｌ，非人用一１ ｏ首先通过函数将 映射 到一个高维的空间里 然后用判断函数寻求最优超平而进行分类 本 文应用大学林智仁副教授等开发设计的快速有效的ＳＶＭ模式识 别的软件包 其中．对于那些与人体样本十分相似的非人样本．在初始训练中． 很难分辨．容易误判．需要对其结果进行再次训练．得到负样本集。这 样可以提高检测率 ３实验结果与分析 为了对本文的算法进行有效的评估．选取了ｊ段校园里拍摄的视 频图像．摄像头在拍摄过程中存在一定程度的抖动，增加了检测的难 度，使得检测结果更具有效性。从每段视频中截取了２Ｏ帧视频图像进 行了实验分析，检测结果如图１所示。 对上述实验结果分析可知．本文算法可以较好的完成行人检测任 务。 ４结束语 （下转第１６８页） 科技・探索・争鸣 Ｓｃ科ｉｅｎｃｅ＆Ｔｅ技ｃｈ视ｎｏｌｏｇｙ界 Ｖｉｓｉｏｎ 专业知识水平 ＥＳＰ教学能提高学生专业语言的应用能力．在高职院校英语教学 中必然开展专门用途英语教学能满足高职教学的目标．提高毕业生就 业竞争力，充分发挥学生潜能，胜任工作。全球经济一体化，科学技术 体化．文化多元化的到来必将使ＥＳＰ教学成为高职英语教学的主 要教学模式。专门用途英语教学己得到越来越多的人关注．英语教学 正从传统的语言基础知识的讲授转变为培养学生的语言综合运用能 力，ＥＳＰ教学有机地结合了外语学习和专业知识学习．成为我国专业 英语教学的一个亮点，为社会发展打造出有特色的专业技能熟练、外 语水平过硬、满足社会需求的专业技能型人才。●层 一ＥＳＰ教学的需求，应增加英语老师进行培训和进修的机会．形式上可 以是短期培训或长期进修．对外交流或自我完善等专业知识培训和学 习进修。 最后，应进行教师之间广泛的交流 教师之间的交流能促进完善 ＥＳＰ教师教学发展和科研发展，交流可以在国内外、省、市、校间进行， 交流的方式可以是英语教学研讨会、课堂教学观摩、信息化大赛、网上 交流、学术交流会等多种方式，使教师及时了解ＥＳＰ发展的新动向． 吸收ＥＳＰ教学研究的前沿理论和研究成果，从而实现大学英语教师 整体的发展。 ３．３选定理想的ＥＳＰ教材 教师、学生和教材是学校课堂教学的三个基本要素 教师和学生 是“人”的范畴，教材是“物”的范畴．“物”在教学中的作用不可忽视 教 【参考文献】 ｃｅｎｔｅｒｅｄ ａｐｐｒｏａｃｈ［Ｍ】．Ｃａｍｂｒｉｄｇｅ：Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ． 材既要具有知识性和科学性．又要有代表性和权威性．在教学活动中 ［１］Ｈｕｔｃｈｉｎｓｏｎ Ｔ，＆Ｗａｔｅｒｓ，Ａ．（１９８７）．Ｅｎｇｌｉｓｈ ｆｏｒ Ｓｐｅｃｉｉｆｃ Ｐｕｒｐｏｓｅｓ：Ａ ｌｅａｒｎｉｎｇ— 教师和学生是可以变的．只有教材是不变的．进行ＥＳＰ教学首先要选 定合适的ＥＳＰ教材．它对教学效果的好坏和教学质量的高低产生决 定性的影响。 教材不仅代表了课程标准，更是许多专家、学者的学科知识和智 慧的结晶。教材具有高度的代表性和概括性．它是根据教育目的和学 生的认识发展规律．专门编写的书本材料．适合某一特定阶段的学生 认真学习。 很多大学使用的教材是《新视野大学英语》，《新职业英语》，《大学 英语综合教程》和《二十一世纪》等。这些教材编写的初衷是使学生通 过大学英语四六级考试．它的内容设计、课后练习更多地针对学生的 ［２］蔡继刚．专业英语及其教材对我国高校ＥＳＰ教学的影响ｍ外语与外语教 学．２０１３（２）． ［３］教育部．高职高专教育英语课程教学基本要求【Ｍ］．北京：人民教育出版社， ２０００． ［４］孔庆炎，刘鸿章．高职高专实用英语教学改革的认识与实践ｒＪ１．中国大学教 学．２００４（４）． ［５］吴静．ＥＳＰ教学法在大学英语教学中的运用ｆＪ】．湘南学院学报，２００４（６）． ［６］严明．大学专门用途英语（ＥｓＰ）教学理论与实践研究［Ｍ］．哈尔滨：黑龙江大学 出版社．２００９ ［７］杨枫，孙凌．关于大学英语教学ＥＳＰ论的一点思 Ｊ１ｌ外语教学理论与实践 语法知识 毕业后学生在工作中发现缺少与职业相关的专业知识 目 （３）．关于ＥＳＰ定位论的几点疑问『Ｊ１ｌ中国大学教学（９）． 前．人们己经意识到ＥＳＰ教学的重要性．或编写适合本院校学生的教 ［８］张海明．材，或引进国外原版的教材符合其专业的教材 教材在内容上要连贯， 有大量的实际操作训练．教师使用多媒体等多种教学方法提高学生的 ［责任编辑：曹明日月］ 研究提供了一个新的工具． ）＝０和 ）＝０中，经验算 ０）＝０和 ０）＝０成立，则原方程组有且仅有 随着计算机技术的发展和机器证明方法的不断改进，几何定理可 唯一解． 读证明的研究成果为研制的智能几何软件如几何专家、超级画板等提 待定系数 值存在，Ｐ．Ｑ，Ｒ三点共线． 供了更广阔的平台．ｅ ａ ａ （上接第９７页）次方程 ）：０，求出其解 ：ｂ－ ＋ ，分别带人方程 研究为扩展和融合其他已有的可读证明方法提供了基础．也为几何的 ４结论 【参考文献ｌ ｆ ２ １Ｗｕ Ｗ Ｔ．Ｏｎ ｔｈｅ ｄｅｃｉｓｉｏｎ ｐｒｏｂｌｅｍ ａｎｄ ｔｈｅ ｍｅｃｈａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅｏｒｅｍ—ｐｒｏｖｉｎｇ １］吴文俊．初等几何判定问题与机械化ｉｉＥＮ［Ｊ１ 中国科学（Ａ），】９７７，６：５０７—５１６． 本文在质点几何基本定理和法则的基础上。总结归纳质点法解题 ｆ的特点 建立了能处理仿射几何定理机器证明的消点过程，并利用待 定系数的方法而非数组计算法来判定定理结论是否成立，使得每一个 质点关系式的几何意义都非常明确．本文基于质点法处理几何点本身， 易于扩展和融合 形成了具有完全性的消点过程．由于可以对点直接进 行运算 质点法的消点过程比面积法或向量法简明。并通过Ｍａｔｌａｂ程 序实现． 本文的质点法是继面积法之后又一个能对构造性几何命题生成 可读证明的完全的消点过程．运行结果显示．本文的方法不仅效率高， 程序自动生成的证明条理简明清晰、语义简洁易懂、几何意义明确、储 存信息丰富．可读性强．此外．由于可以对点直接进行运算 质点法的算 法和编程比面积法或向量法都要简明．本文基于点的可读机器证明的 ｉｎ ｅｌｅｍｅｎｔａｒｙ ｇｅｏｍｅｔｒｙ［Ｊ］．Ｓｃｉｅｎｔｉａ Ｓｉｎｉｃａ．１９７８，２１：１５９—１７２． ［３］Ｗｕ Ｗ Ｔ．Ｍｅｃｈａｎｉｃａｌ ｔｈｅｏｒｅｍ ｐｒｏｖｉｎｇ ｉｎ ｇｅｏｍｅｔｒｉｅｓ：Ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅｓ【Ｍ】． Ｓｐｒｉｎｇｅｒ，Ｎｅｗ Ｙｏｒｋ，１９９４． ［４］Ｗｕ Ｗ Ｔ．Ｍａｔｈｅｍａｔｉｃｓ Ｍｅｃｈａｎｉｚａｔｉｏｎ［Ｍ］．Ｓｃｉｅｎｃｅ Ｐｒｅｓｓ，Ｋｌｕｗｅｒ，２０００． ［５］莫绍揆．质点几何学【Ｍ］．重庆：重庆出版社，１９９２． ｆ６］邹宇．几何代数基础与质点几何的可读机器ｌｉＥＮ［Ｄ］．广州：广州大学，２０１０． ［７］邹宇，郑焕，张景中．仿射质点几何的可读机器证明ｌＪ］．计算机应用，２０１０，３０Ｕ）： １９８９－１９１２ ［责任编辑：汤静］ 互检测的同时．又考虑亮度和朝向特征在检测中所起的作用。注 意机制在目标与背景颜色相近时提取显著图的效果较差，并且本文方 法整体的实时陛较差。因此，今后将对这两方面进行改进。● ’＇■ 【参考文献】 『１］冯松鹤，郎丛妍，须德．一种融合图学习与区域显著性分析的图像检索算法ｆ Ｊ１ｌ 电子学报，２０１ １（１０）． 『２］许言午，曹先彬，乔红．行人检测系统研究新进展及关键技术ＮＮ［Ｊ］．电子学 报．２００８（０５）． （上接第９８页） 图１行人检测效果图 ｆ３］田广，戚飞虎．移动摄像机环境下基于特征变换和ＳＶＭ的分级行人检测算 法ｌＪ１．电子学报，２００８（０５）． 本文提出了一种基于视觉注意机制的交通标志检测方法。在传统 『４１杜友田．陈峰，徐文立，李永彬．基于视觉的人的运动识别综述［Ｊ１电子学报， 视觉注意机制模型提取颜色、亮度、朝向特征的基础上，增加形状特 ２００７（０１） 征，根据显著程度找到感兴趣区域。实验结果表明，该方法克服了由于 颜色分割的不完善造成的形状检测失误的缺点．在对各个特征之间相 ［责任编辑：曹明明］ １ ６８ Ｉ科技视界Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏ１。ｇＹ Ｖｉｓｉ。ｎ
