Joint特徴量を用いた2段階Boostingによる物体検出

摘要

本論文では，複数のHistograms of Oriented Gradients（HOG）特徴量を2段階に構築したrnBoostirlgにより組み合わせたJoint特徴量による特定対象（例えば人や車両）の物体検出法を提案する．近年，統計的学習手法と局所領域より得られるlow-level特徴量を組み合わせた物体検出法に関する研究が多く取り組まれている．本手法では，複数のlow-level特徴量であるHOG特徴量をReal AdaBoostにより組み合わせることでJoint特徴量を自動生成する．Joint特徴量は，複数のセル間のHOG特徴量の共起を表現し，1段階目のReal AdaBoostにより組み合わせる．このため，単一のHOG特徴量のみではとらえることのできない物体の相称的な形状や連続的なエッジをとらえることが可能となる．次に，生成されたJoint特徴量のプールを入力とした2段階目のReal AdaBoostによって最終識別器を構築する．これにより，識別に有効なJoint特徴量のみを選択するため，高精度な検出が可能となる．本論文では，提案手法の有効性を確認するために，検出対象を人と車両として，評価実験により提案手法の有効性を示す．また，提案手法ではHOG特徴量同士のみでなく異なるlow-level特徴量間での組合せも可能である．本論文では，歩行者のアピアランスを表すHOG特徴量と，動きを表す時空間特徴であるPSA特徴量との共起を表現することで，効果的な識別器を構築することが可能となることを示す．