Histogram of the Gradient with Multiple Orientations (Hog-Mo) People Detection
Fecha
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Director
Altmetric
Resumen
Descripción
In the field of computer vision, the people classification problem has not yet been fully resolved and there are still many unknowns to solve. This paper presents a new version of the HOG descriptor, which is based on multi-orientation and human body parts, using the SVM classifier. The ROC curves show the discrimination power of each case analyzed, compared with the state of the art algorithms. Finally, a system for people detecting in urban environments is presented. This detector has been tested on a database created for applications in Intelligent Transport Systems (ITS).
En el campo de la visión por computador el problema de la clasificación de personas aún permanece como un desafío abierto de investigación. Por lo tanto, en este trabajo se realizan las siguientes aportaciones. Primero se introduce un nuevo método de extracción de características basado en el descriptor HOG (Histogram of Oriented Gradient) con múltiples orientaciones del gradiente, calculado sobre partes del cuerpo humano, denominado HOG-MO. Luego se construye un clasificador utilizando HOG-MO y SVM, se verifica su desempeño al compararlo con otras propuestas del estado del arte mediante las curvas ROC, logrando un adecuado equilibrio entre tiempo de cómputo y tasa de clasificación. En seguida se construye un sistema mono-cámara de detección de personas que trabaja en múltiples resoluciones, en el espectro visible, bajo condiciones variables de iluminación y de escala. Este sistema ha sido probado sobre una base de datos de personas en ambientes urbanos, en el espectro visible (BD-AU), creada para el desarrollo de aplicaciones en sistemas inteligentes de transporte (SIT) para la detección de peatones.
En el campo de la visión por computador el problema de la clasificación de personas aún permanece como un desafío abierto de investigación. Por lo tanto, en este trabajo se realizan las siguientes aportaciones. Primero se introduce un nuevo método de extracción de características basado en el descriptor HOG (Histogram of Oriented Gradient) con múltiples orientaciones del gradiente, calculado sobre partes del cuerpo humano, denominado HOG-MO. Luego se construye un clasificador utilizando HOG-MO y SVM, se verifica su desempeño al compararlo con otras propuestas del estado del arte mediante las curvas ROC, logrando un adecuado equilibrio entre tiempo de cómputo y tasa de clasificación. En seguida se construye un sistema mono-cámara de detección de personas que trabaja en múltiples resoluciones, en el espectro visible, bajo condiciones variables de iluminación y de escala. Este sistema ha sido probado sobre una base de datos de personas en ambientes urbanos, en el espectro visible (BD-AU), creada para el desarrollo de aplicaciones en sistemas inteligentes de transporte (SIT) para la detección de peatones.
Palabras clave
People classification, characteristic vector, HOG-MO, multi-orientation, SVM, ITS., clasificación de personas, vector de características, HOG-MO, múltiples orientaciones, SVM, SIT.