受外观恒常性与形状对称性启发的行人检测
计算机视觉与模式识别
2016-11-03 v1
摘要
特征的区分性与简洁性对于有效且高效的行人检测至关重要。然而，大多数最先进的方法无法在准确率和效率之间取得良好权衡。受行人一些简单的固有属性（即外观恒常性和形状对称性）启发，我们提出了两种新型非邻域特征（NNF）：侧内差异特征（SIDF）和对称相似特征（SSF）。SIDF 能够刻画背景与行人之间以及行人轮廓与其内部部分之间的差异。SSF 能够捕获行人形状的对称相似性。然而，邻域特征难以具备上述表征能力。最后，我们提出结合非邻域与邻域特征进行行人检测。研究发现非邻域特征可进一步将平均漏检率降低 4.44%。在 INRIA 和 Caltech 行人数据集上的实验结果证明了所提方法的有效性与高效性。与不使用 CNN 的最先进方法相比，我们的方法在 Caltech 上取得了最佳检测性能，优于次优方法（即 Checkboards）1.63%。
引用
@article{arxiv.1511.08058,
title = {Pedestrian Detection Inspired by Appearance Constancy and Shape Symmetry},
author = {Jiale Cao and Yanwei Pang and Xuelong Li},
journal= {arXiv preprint arXiv:1511.08058},
year = {2016}
}
备注
9 pages,17 figures