第20回LSIデザインコンテスト・イン沖縄  設計仕様書 - 3-3

3-3. アルゴリズム

以下にMATLABRベースで設計を行ったプログラムをもとに,HOGを用いた人物検出のアルゴリズムを示す.

なお,開発環境としてMATLAB®R2012a(7.14.0.739)の環境下で作成,検証を行った.


  • zipファイル:jp_human_detection.zip
  • zipファイルには,今回使用する画像とmファイル,matファイルが含まれる.今回のメインmファイルである'jp_humanDetector_16_09_13.m'を実行すると,人物検出のシミュレーションが行われる.



    (1)画像の入力
    人物検出を行うRGBイメージ(カラー画像)を読み込む.

    (2)グレースケール化
    RGBイメージのままでは人物の形状特徴を捉えるのが困難であるため,RGBイメージの入力画像をグレースケールに変換する.
    画像のグレースケール化にはNTSC系加重平均法を用いる.NTSC系加重平均法とは,カラー画像から256階調グレースケール画像へ変換する方法のひとつで,以下の式で計算できる.

    Y=0.298912*R+0.586611*G+0.114478*B


    この式の係数は,色に対する人間の視感的特性から実験的に求められたものである.

    (3)人物検出
    (3-1)入力画像のサイズ変更
    入力画像の全体に目を通すために,128×64ピクセルに固定された検出ウィンドウを使用する. 各々の画像の人物のサイズは異なるスケールにおいて変更される.したがって,画像内に検出ウィンドウを含むことが出来る限り, 入力画像のサイズを変更する.

    (3-2)HOG特徴量とSVM分類を用いた人物検出
    入力画像上で検出ウィンドウ走査させる.次に,各走査箇所において検出ウィンドウ内でHOG特徴量を抽出し, その物体が人物であるかをSVM分類において決定させる.もし画像内に人物を含むならば,サイズを変更した画像内で人物の位置を保存する.

    (4)検出ウィンドウの統合
    各々の,サイズが変更された入力画像は人物の周りに複数の検出ウィンドウを持つ可能性があるため,検出ウィンドウを統合させる.

    (5)出力
    最終的なマッチング箇所を赤枠線で囲んだ画像データを出力する.


    これらのアルゴリズムをフローチャートとして図4に示す.(現在,日本語版を製作中です.)

    Figure 4

    図4:テンプレートマッチングのフローチャート

    Reference

    [1] 機械知覚&ロボティクス研究グループ,中部大学 “局所特徴量と統計学習手法による物体検出”
        http://www.slideshare.net/MPRG_Chubu_University/ss-32258845

    [2] 藤井 龍也,中島 克人,野口 祥宏,西田 健次," HOG と SVM による上半身検出器の特徴の抽出位置に関する考察", FIT2011(第10回情報科学技術フォーラム),pp.105-106,2011.    

    http://ci.nii.ac.jp/els/110009622743.pdf?id=ART0010089832&type=pdf&lang=jp&host=cinii&order_no=&ppv_type=0&lang_sw=&no=1473992065&cp=

    [3] INRIA Person Dataset,

    http://pascal.inrialpes.fr/data/human/

    [4] LIBLINEAR -- A Library for Large Linear Classification,

    http://www.csie.ntu.edu.tw/~cjlin/liblinear/

    <<Back                 Next>>