PedSurvey:从手工特征到深度特征的行人检测综述

PedSurvey:从手工特征到深度特征的行人检测综述

行人检测是计算机视觉领域的一个重要研究方向,在智能驾驶、视频监控等众多应用场景中发挥着关键作用。近年来,随着深度学习技术的发展,行人检测算法取得了长足进步。PedSurvey项目对行人检测领域的发展历程和最新进展进行了全面系统的梳理和总结,为研究人员提供了宝贵的参考资源。

项目概述

PedSurvey项目由来自天津大学的研究团队发起,旨在对行人检测领域从手工特征到深度特征的发展历程进行全面综述。项目在GitHub上开源,提供了丰富的论文列表,涵盖了单光谱和多光谱行人检测的各个方面。同时,项目还提供了主流数据集上不同方法的性能对比。

项目的主要内容包括:

1. 检测流程的四个主要步骤:候选框生成、特征提取、候选框分类/回归、后处理
2. 单光谱行人检测方法,包括基于手工特征和深度特征的方法
3. 多光谱行人检测方法
4. 行人检测数据集
5. 行人检测面临的主要挑战
6. 相关综述论文
7. 多视角行人检测
8. 不同方法在主流数据集上的性能对比

项目还发布了一个新的大规模行人检测数据集TJU-DHD-Pedestrian,为算法评测提供了新的基准。

检测流程

PedSurvey将行人检测的一般流程归纳为四个主要步骤:

候选框生成

生成可能包含行人的候选区域,主要方法包括:

• 滑动窗口:以不同尺度和比例在图像上滑动固定大小的窗口
• 粒子窗口:通过粒子滤波等方法生成稀疏的候选窗口
• 显著性检测:利用图像的显著性特征生成候选区域
• 区域建议网络(RPN):利用深度网络直接生成候选区域

其中,RPN是目前主流目标检测框架中普遍采用的方法。

特征提取

从候选区域中提取有区分性的特征,主要包括:

• 手工设计特征:如Haar特征、HOG特征、ICF特征等
• 深度学习特征:利用CNN等深度网络自动学习特征

深度特征具有更强的表达能力,是目前主流方法采用的特征。

候选框分类/回归

利用提取的特征对候选框进行分类(是否包含行人)和位置微调。常用的分类器包括SVM、AdaBoost等,深度学习方法则直接用网络输出分类概率和边界框回归。

后处理

对检测结果进行冗余抑制和优化,常用的方法有非极大值抑制(NMS)等。近年来也出现了一些改进的后处理方法,如Soft-NMS、Relation Network等。

单光谱行人检测

PedSurvey将单光谱行人检测方法分为两大类:基于手工特征的方法和基于深度特征的方法。

基于手工特征的方法

主要包括基于通道特征的方法和基于可变形部件模型的方法。

基于通道特征的方法

通道特征是一种简单高效的特征表示方法,主要代表工作包括:

• Integral Channel Features (ICF)
• Aggregated Channel Features (ACF)
• Locally Decorrelated Channel Features (LDCF)
• Filtered Channel Features (FCF)

这些方法通过设计不同的特征通道和分类器,不断提升检测性能。

基于可变形部件模型的方法

可变形部件模型(DPM)将行人建模为一系列可变形部件的组合,主要代表工作包括:

• Deformable Part Models (DPM)
• Regionlets
• Mixture of Deformable Part Models

DPM系列方法在处理部分遮挡和姿态变化方面表现出色。

基于深度特征的方法

基于深度特征的方法可以进一步分为混合方法和纯CNN方法。

混合方法

混合方法结合了传统方法和深度学习的优点,主要包括两类:

1. CNN作为特征提取器:如Convolutional Channel Features (CCF)等
2. CNN作为分类器:如Joint Deep Learning等

这些方法在保持传统方法高效性的同时,利用CNN提升了特征表达能力。

纯CNN方法

纯CNN方法完全基于深度学习框架,主要包括以下几类:

1. 尺度感知方法:如MS-CNN、SA-FastRCNN等
2. 基于部件的方法:如JointPD、OR-CNN等
3. 基于注意力的方法:如CSP、MGAN等
4. 基于锚框的方法:如ALFNet、FCOS等
5. 基于关键点的方法:如CSP、DEKR等

这些方法从不同角度改进了CNN的检测性能,是目前行人检测的主流方向。

多光谱行人检测

多光谱行人检测利用可见光和热红外等多种光谱信息,主要研究方向包括:

1. 深度特征融合:如MSDS-RCNN、CIAN等
2. 数据处理:如CMA、CMFL等
3. 域适应:如XDFL、MLPD等

多光谱方法在低光照等复杂场景下具有明显优势。

行人检测数据集

PedSurvey对行人检测数据集进行了全面总结,主要包括:

1. 早期数据集:如MIT、INRIA等
2. 现代数据集:如Caltech、KITTI、CityPersons等
3. 多光谱数据集:如KAIST、CVC-14等

其中,CityPersons、Caltech和KITTI是目前使用最广泛的基准数据集。

此外,项目还发布了一个新的大规模数据集TJU-DHD-Pedestrian,包含超过70万个标注框,为算法评测提供了新的基准。

主要挑战

PedSurvey总结了行人检测面临的三大主要挑战:

1. 尺度变化:行人在图像中的尺寸变化很大
2. 遮挡:行人经常被其他物体部分遮挡
3. 域适应:模型在新场景中的泛化能力不足

针对这些挑战,研究人员提出了许多改进方法,如多尺度特征融合、注意力机制、对抗训练等。

未来展望

PedSurvey项目为行人检测领域的发展提供了全面的视角。未来,该领域可能的研究方向包括:

1. 更高效的网络结构设计
2. 更有效的特征表示学习
3. 针对小目标、密集场景的检测优化
4. 多任务学习的深入探索
5. 自监督、弱监督等新型学习范式的应用
6. 与跟踪、重识别等任务的深度融合

此外,如何将行人检测技术更好地应用到实际场景中,也是一个值得关注的方向。

结语

PedSurvey项目为行人检测领域的研究人员提供了一个全面系统的参考资源。通过梳理从手工特征到深度特征的发展历程,总结最新的研究进展,该项目不仅有助于研究人员快速了解该领域的现状,也为未来的研究指明了方向。随着深度学习技术的不断发展,相信行人检测技术将会取得更大的突破,为智能驾驶、视频监控等应用领域带来更多创新。

GitHub项目地址: PedSurvey

参考文献:

1. Cao J, Pang Y, Li X. From handcrafted to deep features for pedestrian detection: A survey[J]. IEEE transactions on pattern analysis and machine intelligence, 2022, 44(9): 5428-5449.
2. Zhang S, Benenson R, Schiele B. Citypersons: A diverse dataset for pedestrian detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 3213-3221.
3. Lin T Y, Dollár P, Girshick R, et al. Feature pyramid networks for object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 2117-2125.