行人檢測是計算機視覺領域的經典問題，也是智能監控、自動駕駛等應用的基礎技術。本文將全面剖析GitHub上的Pedestrian_Detection項目，這是一個基于HOG（方向梯度直方圖）特征和SVM（支持向量機）分類器的傳統行人檢測實現。我們將從技術原理、實現細節、實戰指南到優化方案，全方位解讀這一經典視覺檢測系統。

技術核心：HOG+SVM檢測框架

HOG特征原理

方向梯度直方圖（Histogram of Oriented Gradients）是由Navneet Dalal和Bill Triggs在2005年CVPR會議上提出的特征描述子（《Histograms of Oriented Gradients for Human Detection》）。其核心思想是：

1. 圖像預處理：將圖像轉換為灰度并做Gamma校正
2. 梯度計算：使用[-1,0,1]和[-1,0,1]^T濾波器計算水平和垂直梯度
3. 細胞單元劃分：將圖像劃分為8×8像素的細胞單元
4. 方向直方圖統計：每個細胞計算9-bin的梯度方向直方圖
5. 塊歸一化：將2×2的細胞單元組合成塊，進行L2-Hys歸一化
6. 特征向量拼接：將所有塊的特征串聯形成最終特征向量

對于64×128的檢測窗口，最終得到的HOG特征維度為7×15×36=3780維。

SVM分類器

支持向量機通過尋找最大間隔超平面來實現分類：

min 1/2||w||2 + C∑ξ_i
s.t. y_i(w·x_i + b) ≥ 1-ξ_i, ξ_i ≥ 0

本項目使用OpenCV實現的SVM，核函數選擇線性核，通過hard negative mining提升分類性能。

項目架構與數據準備

INRIA Person數據集

項目使用的基準數據集包含：

• 正樣本：614張包含行人的圖片（2416個標注行人）
• 負樣本：1218張不包含行人的場景圖片
• 圖像尺寸：原始正樣本為96×160，處理后統一為64×128

目錄結構

Pedestrian_Detection/
├── dataset/                # 數據存儲
│   ├── pos/                # 正樣本
│   ├── neg/                # 負樣本 
│   └── HardExample/        # 難例樣本
├── include/
│   └── dataset.h           # 參數配置文件
├── src/                    # 源代碼
├── SVM_HOG.xml             # 訓練好的模型
└── README.md

實戰指南：從零構建檢測系統

環境配置

基礎環境要求：

• Ubuntu 16.04（兼容18.04/20.04）
• OpenCV 2.4.13（兼容3.x版本）
• CMake 3.5+
• g++ 5.4+

推薦安裝步驟：

# 安裝OpenCV（Ubuntu）
sudo apt-get install libopencv-dev# 驗證安裝
pkg-config --modversion opencv  # 應顯示2.4.13或更高

完整訓練流程

1. 數據準備

# 下載并解壓數據集
wget ftp://ftp.inrialpes.fr/pub/lear/douze/data/INRIAPerson.tar
tar -xvf INRIAPerson.tar# 創建目錄結構
mkdir -p dataset/{pos,neg,HardExample}# 復制正樣本
cp INRIAPerson/96X160H96/Train/pos/* dataset/pos/

2. 編譯項目

# CMake方式
mkdir build && cd build
cmake ..
make -j4# 或直接g++編譯
g++ -o CropImage src/crop_image.cpp $(pkg-config opencv --cflags --libs)

3. 負樣本生成

./CropImage

實現原理：從1218張負樣本圖中每張隨機裁剪10個64×128的patch，共生成12180個負樣本。

4. 初始訓練

// 修改dataset.h
#define TRAIN true  // 啟用訓練模式

make && ./SvmTrainUseHog

生成初始模型SVM_HOG.xml，此時檢測效果較差（AP約50%）。

5. 難例挖掘(Hard Negative Mining)

./GetHardExample

算法過程：

• 用初始模型掃描負樣本圖像
• 將誤檢（False Positive）保存為HardExample
• 本步驟通常增加2000-5000個難例樣本

6. 最終訓練

ls dataset/HardExample/ > HardExample_FromINRIA_NegList.txt

// 修改dataset.h
#define HardExampleNO 2538  // 實際難例數量

make && ./SvmTrainUseHog

最終模型AP可提升至70-80%。

檢測應用

圖片檢測：

./ImageDetect test.jpg

參數調整：

• hitThreshold：控制檢測靈敏度
• winStride：影響檢測速度和漏檢率
• scale：多尺度檢測參數

視頻檢測：

./VideoDetect input.mp4 --scale=1.05

關鍵技術問題與解決方案

1. 難例挖掘不收斂

現象：反復挖掘難例但性能提升有限
解決：

// 修改src/find_save_HardExample.cpp
double hitThreshold = -0.8;  // 放寬初始閾值
// 增加最大難例數量限制
if(hardExamples.size() > 5000) break; 

2. 小尺寸檢測效果差

優化方案：

• 修改圖像金字塔參數：

// 在image_detect.cpp中
vector<double> scales{1.0, 1.05, 1.1, 1.2};  // 更密集的尺度

• 使用積分圖加速HOG計算

3. 實時性不足

優化手段：

// 視頻檢測時跳幀處理
if(frameCount % 3 != 0) continue;// 使用OpenCV并行框架
setUseOptimized(true);
setNumThreads(4);

4. 常見編譯錯誤

錯誤1：undefined reference to cv::HOGDescriptor
解決：確保鏈接正確的OpenCV版本

g++ -o PeopleDetect src/peopledetect.cpp -lopencv_objdetect -lopencv_highgui

錯誤2：Assertion failed (size.width>0)
原因：圖像路徑錯誤或OpenCV未正確讀取
排查：

Mat img = imread(path);
if(img.empty()) { cerr << "Error loading: " << path << endl;continue;
}

性能評估與優化方向

基準測試結果

方法	準確率	速度(FPS)	內存占用
初始HOG+SVM	62.3%	8.2	450MB
加入難例挖掘	78.1%	6.5	500MB
OpenCV默認	65.7%	10.1	400MB

進階優化方案

1. 特征融合：

// 結合LBP特征
HOGDescriptor hog;
vector<float> hogFeatures;
hog.compute(img, hogFeatures);Mat lbpFeatures = computeLBP(img);
hconcat(hogFeatures, lbpFeatures, totalFeatures);

2. DPM改進：
   實現可變形部件模型（Deformable Part Model）：

score(p) = ∑_{i=1}^n (w_i · φ(HOG(p_i)) - ∑_{i,j} d_ij(p_i,p_j)

3. 深度學習遷移：

# 使用PyTorch微調HOG特征
class HOG_CNN(nn.Module):def __init__(self):super().__init__()self.hog = HOGLayer()self.cnn = nn.Sequential(...)def forward(self, x):hog = self.hog(x)return self.cnn(hog)

學術演進與相關研究

1. 里程碑工作：

   • 《Histograms of Oriented Gradients for Human Detection》(Dalal & Triggs, 2005 CVPR)
   • 《Object Detection with Discriminatively Trained Part-Based Models》(Felzenszwalb et al., 2010 PAMI)

2. 后續發展：

   • 《Integral Histogram of Oriented Gradients for Human Detection》(Wang et al., 2016)
   • 《Fast Human Detection Using a Cascade of Histograms of Oriented Gradients》(Zhu et al., 2006)

3. SVM優化：

   • 《Training Linear SVMs in Linear Time》(Joachims, 2006)
   • 《A Dual Coordinate Descent Method for Large-scale Linear SVM》(Hsieh et al., 2008)

項目擴展建議

1. 現代改進方向：

   • 實現HOG+CNN混合檢測器
   • 加入運動信息（光流）提升視頻檢測
   • 開發嵌入式版本（樹莓派/Jetson）

2. 工程化優化：

   • 添加Python接口
   • 實現多尺度并行檢測
   • 開發Web服務API

3. 算法增強：

   • 集成非極大值抑制(NMS)
   • 添加跟蹤算法（如KCF）
   • 實現遮擋處理機制

總結

Pedestrian_Detection項目展示了傳統計算機視覺方法的精髓，通過HOG特征和SVM分類器的組合，配合難例挖掘等技巧，構建了完整的行人檢測流水線。雖然深度學習方法已在精度上超越傳統方法，但該項目的價值在于：

1. 教學價值：清晰展示特征工程和機器學習結合的完整流程
2. 計算效率：在資源受限環境中仍具優勢
3. 可解釋性：比黑盒的深度學習更易分析和調試

對于希望深入理解計算機視覺底層原理的開發者，該項目是絕佳的學習素材，也為后續轉向深度學習檢測器（如YOLO、Faster R-CNN）奠定了堅實基礎。