利用Choquet积分进行特征并行融合下的行人检测方法及研究

Focusing on the limitation of traditional Histogram of Oriented Gradients (HOG), this project proposes a pedestrian detection structure based on feature fusion. By combining HOG and Local Binary Pattern (LBP) in parallel as feature set, we propose a novel human detection approach possessing of both of the advantages of HOG and LBP. This combination is constructed on a fusion model based on Choquet integral, which is a powerful tool for aggregation and classification problems. The main targets of this project include:.(1).Investigate and construct the parallel fusion mechanism of HOG and LBP ;.(2).Propose relevant algorithms based on genetic algorithms to retrieve the parameters of fuzzy measure on fusion model. .(3).Perform pedestrian detection using the fused features via Support Vector Machine (SVM) on the benchmark pedestrian data sets. .(4).Establish pedestrian detection using the fused features via double Choquet integral classifier on the benchmark pedestrian data sets and propose the performance verification and comparison of different methods. .(5).Achieve a systematical pedestrian detection system based on Choquet integral.

本项目针对梯度方向直方图（HOG）特征描述子的局限性，提出多特征融合下的行人检测算法。以非线性Choquet积分在聚合和分类这两大数据挖掘问题上的深入研究和应用为基本背景，探讨将模糊测度和模糊积分理论应用于行人检测中的方法——通过模糊测度实现图像中HOG描述子和局部二值模式特征（LBP）的并行融合，产生集合双方优点的新特征向量。在此基础上，设计基于双Choquet积分的分类器对融合后的新特征向量进行有效的行人检测。主要任务包括：研究和建立HOG和LBP特征的并行特征融合机制及相关算法实现；开发基于遗传算法的自适应算法实现特征融合中模糊测度参数的确定；对并行融合后的特征向量使用SVM进行分类并在基准行人数据库上进行测试；对并行融合后的特征向量使用双Choquet积分分类器进行分类并在基准行人数据库上进行测试；最终实现一个比较系统的基于Choquet积分特征融合下的行人检测系统。

行人检测系统是一个较为复杂且庞大的工程，其核心问题主要分为特征提取和分类与定位两大范畴。在特征提取范畴上主要存在两个问题，其一是目前基于多特征串联或级联的特征提取方法易造成特征维度的大幅增加，从而影响检测的实时性；其二是目前的行人分类算法并未考虑特征量之间的交互关系对最终决策可能产生的影响，因而缺乏可解释性。围绕以上两个核心问题，以Choquet积分为代表的建立在模糊测度基础上的非线性泛函，作为一种有效的聚合工具实现行人图像特征的并行融合，是本项目启动的理论根源，也是在行人检测领域内一个值得探索的突破点。. 本项目针对梯度方向直方图（HOG）特征描述子的局限性，提出多特征并行融合下的行人检测算法。以非线性Choquet积分在聚合这一数据融合问题上的深入研究和应用为基本背景，探讨将模糊测度和模糊积分理论应用于行人检测中的方法。首先，利用建立在模糊测度理论上的Choquet积分实现图像中梯度方向直方图特征描述子和局部二值模式特征（LBP）的并行融合，产生聚合了HOG及LBP双方优点的新型特征向量；其次，在产生新型特征向量的基础上，采用双Choquet积分分类器进行行人检测分类，并在一系列基准数据集上对以上算法及系统进行验证实验及性能比较实验，实现一个有效的基于Choquet积分特征融合下的行人检测系统。. 本项目的完成为行人检测的研究领域打开一条新的研究思路和方法，同时，利用模糊测度在描述各特征量对目标决策贡献之间交互关系的优势，深入理解图像处理中的各特征之间有可能存在的交互关系，为深入理解行人检测分类模型的可解释性以及其内核机理建立了新的研究基础。