HOG Person Detector: Почему фоновые объекты земли обнаруживаются как люди?

Question

Я работаю над проектом, который включает в себя обнаружение людей в различных кадрах. Детектор способен обнаруживать большую часть людей в последовательности кадров.

Но он иногда обнаруживает неподвижные объекты фона как люди. Мне бы очень хотелось узнать, почему это происходит, и как текущая работа детектора приводит к этим ложным срабатываниям.

И что можно сделать, чтобы удалить эти ложные срабатывания?

Образец ложного положительного обнаружения:

Answer 1

Как авторы this бумаги означают в названии: «Как далеко мы от Решая обнаружения пешеходов», мы еще не решили проблема визуального обнаружения пешеходов в реальных сценариях, по сути, некоторые думают, что она никогда не будет полностью решена.

Обнаружение людей в городских сценариях может быть одним из самых сложных задач в компьютерном зрении. Сцены забиты хаотичными, случайными и непредсказуемыми элементами, пешеходы могут быть закрыты, они могут быть скрыты в тени или в таких темных условиях, которые камера не может их видеть. Фактически, визуальное обнаружение пешеходов остается одной из наиболее важных задач на сегодняшний день.

И вы даже не используете лучший способ в современном уровне техники, как вы можете видеть на следующем рисунке, его долгое время с тех пор, как HOG был лучшим алгоритмом для этой задачи.

(изображение взято из "Pedestrian Detection: An Evaluation of the State of the Art" Петром Доллара, Кристиан Войеков, Бернт Шиле, и Пьетро Перона)

Этот документ уже немного устарел, но вы видите, что даже самые эффективные алгоритмы еще не выполняйте блестяще в наборах изображений, не говоря уже о реальных сценариях.

Итак, чтобы ответить на ваш вопрос, что вы можете сделать, чтобы улучшить его производительность? Это зависит. Если есть предположения, которые вы можете сделать в своем конкретном сценарии, которые позволяют этой проблеме упроститься, тогда вы сможете устранить некоторые ложные срабатывания. Другой способ улучшить результаты и то, что делает каждая автономная система помощи вождению, заключается в слиянии различных данных датчиков, чтобы помочь визуальной системе. Большинство из них используют LIDAR и RADAR для подачи камеры на места, на которые нужно смотреть, и это помогает алгоритму как в производительности, так и в скорости.

Итак, как вы можете видеть, это очень зависит от приложения. Если ваше приложение должно работать по простому сценарию, то алгоритм вычитания фона поможет удалить ложные обнаружения. Вы также можете загружать свой классификатор с неправильно обнаруженными данными для повышения его производительности.

Но знайте одно: нет 100% в Computer-Vision, независимо от того, сколько вы попробуете. Это всегда баланс между принятием ложных срабатываний и надежностью системы.

Cheers.

РЕДАКТИРОВАТЬ: Чтобы ответить на вопрос название, почему фоновые объекты обнаруживаются как люди? Поскольку HOG - это все, что касается оценки краев изображения, вы, вероятно, отправляете функции HOG в SVM, верно? Вертикальный полюс, обнаруженный в изображении, который вы предоставляете, обладает некоторыми визуальными свойствами с людьми, такими как его вертикальные края.Вот почему эти алгоритмы сильно терпят неудачу в дорожных знаках и других вертикальных элементах, как вы можете видеть в моей магистерской диссертации по этой теме: Visual Pedestrian Detection using Integral Channels for ADAS