HOG人员探测器：为什么背景地面物体被检测为人？

我正在研究一个涉及各种框架中人员检测的项目。检测器能够检测帧序列中的大多数人。HOG人员探测器：为什么背景地面物体被检测为人？

但它有时会将静止的背景物体检测为人。我真的很想知道为什么会发生这种情况，探测器的当前工作如何导致这些误报。

可以做些什么来消除这些误报？

假阳性检测的样本：

来源

2017-01-31 Nik

因为没有传感器是完美的。尝试结合探测器与不同的技术，如背景扣除，地平面假设等... – Micka

由于this论文的作者暗示的称号：“如何远远没有解决行人检测是我们”，我们还没有得到解决实际情况下视觉行人检测的问题，实际上有人认为它永远不会完全解决。

在城市场景中检测人可能是计算机视觉中最困难的任务之一。场景混乱，随机和不可预知的因素，行人可能会被遮挡，他们可能隐藏在阴影或在黑暗的环境中，相机无法看到他们。事实上，视觉行人检测仍然是迄今为止最重要的挑战之一。

而且您甚至没有使用现有技术中最好的方法，正如您可以在下图中看到的那样，自从HOG成为该任务的最佳执行算法以来，它已经很长时间了。

那篇论文已经有点过时（由彼得美元，基督教Wojek，伯恩特·席勒和彼得佩罗娜从"Pedestrian Detection: An Evaluation of the State of the Art"拍摄的图像），但是你看，即使是表现最好的算法仍然不要在图像数据集中表现出色，更别说真实场景了。

因此，要回答你的问题，你可以做些什么来改善其性能？这取决于。如果您在特定情况下可以做出假设，使问题变得更加简单，那么您可以消除一些误报。改善结果的其他方式以及每一个自动驾驶辅助系统所做的工作是融合不同的传感器信息来帮助视觉系统。大多数人使用激光雷达和雷达来为相机提供观看位置，这有助于提高算法的性能和速度。

所以，你可以看到它是非常依赖于应用程序的。如果您的应用程序应该用于简单场景，那么背景减法算法将有助于消除错误检测。您还可以使用错误检测的数据来引导分类器，以提高其性能。

但知道一件事：无论您尝试多少，计算机视觉中都没有100％。在接受误报和系统稳健性之间始终保持平衡。

干杯。

编辑：为了回答标题的问题，为什么背景物体被检测为人？因为HOG都是关于评估图像边缘的，所以您可能将HOG特性发送给SVM，对吧？您提供的图像中检测到的垂直极点与人类共享一些视觉属性，例如其垂直边缘。这就是为什么这些算法在交通标志和其他垂直元素中失败了很多原因，正如您在我关于此主题的硕士论文中所看到的：Visual Pedestrian Detection using Integral Channels for ADAS

来源

2017-01-31 16:56:03

嗨佩德罗，感谢您的回复。在我尝试解决这个问题时，我将背景减法应用于所有图像。之后，我将蒙版图像添加到原始图像，以便白色像素被人物的像素替换。然后我在这些框架上运行HOG检测器。但令我惊讶的是，结果非常糟糕。出现了更多的误报。由于某种奇怪的原因，探测器不断探测黑色背景中的人。我可能写一个关于这个问题的另一个问题，用图像详细解释它。 – Nik

这个链接到其他问题：（http://stackoverflow.com/questions/42014612/hog-person-detector-false-positive-detections-on-background-subtracted-images） – Nik

HOG人员探测器：为什么背景地面物体被检测为人？

回答

相关问题