Among various object detection tasks, pedestrian detection task is especially important since it is highly related to many industrial applications such as autonomous car and surveillance. A pedestrian detector should be able to detect the full-body rectangular regions of humans in a 2D RGB image. It is very challenging task to detect pedestrians in various poses, scales, and lightning conditions. The proposed detector uses features which are semi-automatic. Their structures are defined by finely-designed feature kernels. The shapes and sizes of the kernels are determined with some constraints which reflect various invariance characteristics. However, their positions are discriminatively learned through the Ada-boost algorithm. The proposed features are efficient to compute due to the usage of the integral image and the vectorized operations. The proposed detector shows decent performance with respect to speed and accuracy.
보행자 검출은 여러 산업적 응용분야에 활용되므로 검출 분야 중에서도 그 중요성이 매우 높다고 할 수 있다. 2차원 이미지상에서의 보행자는 다양한 자세, 크기로 나타나며 여러 물체에 의해 폐색되기도 한다. 검출기는 이러한 상황에 강인하게 보행자를 검출할 수 있어야 하며 검출속도 또한 높아야 한다. 본 논문에서는 정확성과 빠른 검출속도를 고려한 보행자 검출기를 제안하였다. 제안된 구조 구속조건에 기반하여 설계된 특징커널들을 이용해 특징들을 생성한다. 생성된 특징들은 차수가 제한되어 있기때문에 벡터화 연산을 통해 빠르게 계산된다. 고차 특징들은 대상객체의 복잡한 특성들을 잘 반영할 수 있으나 특정 학습데이터에 과적합될 가능성이 있다. 특징의 크기나 형상 또한 검출률에 영향을 미치므로 대상객체인 보행자의 형상을 적합하게 반영해야 한다. 제안된 특징 제한조건들은 이러한 측면들을 반영하여 설계되었다. 이 후 Ada-boost 알고리즘에 의해 각 특징들의 구분력있는 위치가 학습된다. 최종 검출기는 이렇게 학습된 특징들에 기반하여 다양한 상황에서의 보행자를 검출한다.
