Object detection has been a focus of recent research due to its importance for practical applications such as robotics, human computer interaction, automotive safety, surveillance, and mobile devices. Among various object, human is one of difficult object to detect because of their variable appearance and the wide range of poses. Nevertheless pedestrian which is able to be represented by human with upright pose is one of the most interesting object since the interaction between human and machine increases in these days in various applications. Therefore, pedestrian with upright pose is our main concern.
In this thesis, we design color self-similarity (CSS) feature map which can be used in aggregated channel features (ACFs) detector and novel feature kernels to improve detection performance and extract various information from an pedestrian respectively. The CSS feature is a method to extract property of symmetry and similarity of an interest object based on color statistics. It is complementary to raw color feature and gradient based features because it is independent of the actual color of a specific example of an interest object and proved good performance in combination with gradient based feature. The proposed feature kernels can extract color difference, edge difference, distance intensity difference which make feature representation richer from aggregated channels.
Experiments were conducted using well-known benchmark datasets for pedestrian detection such as INRIA, Caltech Pedestrian and TUD-Brussels dataset. The experimental results of our detector based on ACFs with a proposed CSS feature map and novel feature kernels showed that the proposed CSS channel is complementary to the feature maps used in the default ACFs and that the performance of the conventional ACFs is improved by about 2% in INRIA dataset, about 3% in Caltech dataset, and about 4.5% in TUD dataset over almost all range considered. We also have conducted extra experiments with the top detector in the Caltech dataset to show that our algorithm can improve performance of detectors based on ACFs additionally. Besides we have checked applicability of the proposed detector in practical environment with CCD camera. As a result, we have shown the proposed CSS feature map and the novel feature kernels are useful in pedestrian detection as a new channel and a new feature extraction method of the ACFs.
객체 검출은 로보틱스, 인간과 컴퓨터 간 상호작용, 자동차 안전시스템, 보안과 같은 실용적 응용분야에 대한 중요성 때문에 최근 연구의 중심이 되고 있다. 다양한 객체 중에서 사람은 다양한 모습과 자세의 변화 때문에 검출하기 어려운 객체 중 하나이다. 그럼에도 불구하고 정 자세로 서있는 사람으로 표현되는 보행자는 오늘날 다양한 응용분야에서 인간과 기계 사이의 상호작용이 증가로 가장 관심있는 객체로 주목받고 있다. 따라서 보행자가 우리의 주 관심대상이다.
본 논문에서 우리는 응축 채널 특징(aggregated channel features)에서 사용할 수 있는 색 자기-유사 특징 지도와 새로운 특징 커널을 검출 성능 향상과 보행자로부터 다양한 정보를 추출하기 위해서 설계하였다. 색 자기-유사 채널은 영상의 통계적 특성에 기반하여 관심 객체의 구조적 대칭성과 유사성 특성을 영상화 한다. 이는 영상에서 표현되는 관심 객체의 실제 색과 독립적이기 때문에 색을 직접적으로 사용한 특징에 보완적이며 그레디언트에 기반한 특징들과 결합하였을 때 좋은 성능이 증명되었다. 또한 제안한 특징 커널은 응축된 채널에 적용되어 색 차이, 에지 차이, 원거리 화소 값 차이를 추출하여 특징 웅덩이를 더욱 풍부하게 만든다.
제안된 검출기의 성능 검증을 위해 INRIA, Caltech, TUD-Brussels와 같은 보행자 검출을 위한 벤치마크 데이터 집합을 사용해여 모의 실험을 수행하였다. 응축 채널 특징에 기반하여 색 자기-유사 채널과 특징 커널을 사용한 우리 검출기의 실험 결과를 통해 제안한 색 자기-유사 채널이 기존 응축 채널 특징에서 사용한 특징 지도들에 상호보완적이며 기존 응축 채널 특징의 성능이 INRIA 데이터 집합에서 약 2%, Caltech 보행자 데이터 집합에서 약 3%, TUD 데이터 집합에서 약 4.5% 향상되었다. 또한 우리는 Caltech 데이터 집합에서 가장 좋은 성능을 보인 FCF (filtered channel features)검출기와 우리 알고리즘을 결합하여 우리 알고리즘이 응축 채널 특징에 기반한 검출기에 적용되어 추가적인 성능 향상을 보일 수 있음을 검증하기 위한 추가 실험을 수행하였다. 그리고 응용분야에 적용가능성을 확인하기 위해 CCD 카메라를 이용한 CCTV환경에서 보행자 검출 여부를 확인하였다. 결과적으로 우리는 제안한 색 자기-유사 특징 지도와 새로운 특징 커널이 응축 채널 특징의 새로운 채널과 특징 추출 방식으로서 보행자 검출에 유용하게 사용될 수 있음을 확인했다.
