HOGG：基于Gabor变换与HOG特征的人体检测*

范国娟，范国卿，柳絮青

(1.山东传媒职业学院，山东 济南 250200；2.丝路卫星通信有限公司，江苏 南京 210012；3.江南大学，江苏 无锡 214122)



HOGG：基于Gabor变换与HOG特征的人体检测*

范国娟1，范国卿2，柳絮青3

(1.山东传媒职业学院，山东 济南 250200；2.丝路卫星通信有限公司，江苏 南京 210012；3.江南大学，江苏 无锡 214122)

针对实际监控中人体目标轮廓的多尺度特性，提出一种用于人体目标检测的多尺度方向特征描述子(HOGG)。首先采用Gabor滤波器提取人体图像对应不同尺度、不同方向的多个Gabor幅值域图谱，然后将相同尺度不同方向的幅值域图谱融合以降低特征维数，并对每幅融合图像提取梯度方向直方图(HOG)特征，最后将这些HOG特征联合起来作为人体图像表征。利用支持向量机(SVM)对描述特征进行分类，在CAVIAR数据库中进行了实验，结果表明，该算法对人体目标检测具有较好的性能。

人体检测；Gabor变换；分块直方图；多尺度

0 引言

人体检测被广泛地用于计算机视觉领域，如公共安全、智能机器人、视觉监控、行为分析等[1]。目前人体检测多采用基于统计分类的方法，常用Gabor小波变换和Haar小波变换提取人体特征。DALAL N[2]等人提出梯度直方图(Histograms of Oriented Gradient，HOG)，利用图像块内的方向统计进行人体检测，对解决局部形变与视角变化等问题，该检测算法具有较高的精度。Mu Yadong[3]等人将局部二值模式(Local Binary Patterns，LBP)作为人体特征描述算子，具有旋转不变性和光照不变性，是一种有效的描述特征。Wang Xiaoyu[4]等人提出了HOG与LBP相结合的算法，达到两种特征互补的效果，对解决人体检测中部分遮挡问题有显著的提高。……