如何降低行人检测误识率

现在的行人检测算法大多是应用HOG特征识别整体，虽然这也能达到较高的识别率，但误识别率也比较大，因此有必要进行优化识别。

通过大量样本分析发现，人体的姿态除了四肢，其他大体固定，人体示意图如图1所示。

图1：人体示意图

我们可以通过组合识别优化检测算法来实现。首先可以通过腿部识别，再在腿部的对应上区域对肩膀至头部位识别，从而降低误识率。

腿部由于走动原因姿态会有变化，所以很难用比较直观的特征去识别，可以用HOG+SVM识别腿部，如图2所示。

图2：腿部识别

大林上位机机器视觉_苏州电工培训_苏州PLC培训_苏州上位机培训_苏州机器视觉培训_苏州工业机器人培训_最适合电工及plc编程人员学习的上位机机器视觉课程 大林老师：15861139266（微信同号）

肩膀至头部的边缘轮廓类似形状Ω，如图3所示。

图3：肩膀至头部轮廓形状

由此我们可以知道其形状特征大体固定，可将轮廓的Hu不变矩作为主要特征，训练识别器。识别可得，如图4所示。

图4：肩膀至头部识别

由此我可以得到最终的行人检测，如图5所示。

图5：行人检测

在助手哥收集的训练库上，用该算法与OPenCV自带的行人检测算法相比，误识率有显著的降低。