車輛追蹤演算法大PK：SVM+HOGvs.YOLO

介紹

對於Udacity（優達學城）自動駕駛汽車納米學位的汽車檢測和跟蹤項目，如果使用傳統的計算機可視化技術將是一個挑戰，就像方向梯度直方圖（Histogram of Oriented Gradients，HOG）和其它特徵組合在一起在視頻里跟蹤汽車一樣，理想的解決方案應該是實時運行的，如>30FPS，我曾經使用線性SVM來處理視頻，在一台i7 CPU計算機上得到的結果只有可憐的3FPS。最後我使用YOLO來處理視頻終於通過了Udacity的項目，YOLO是一個超快的用於對象檢測的卷積神經網路，如果你的GPU夠快（我當時使用的是GTX 1080），視頻處理的速度可以達到65FPS，比我用SVM+HOG的方法足足快20倍。

數據集

我使用了KITTI和GTI數據集，以及來自項目訓練倉庫的一些其它數據，只有兩類數據：有車的和沒有車的，GTI數據從視頻流獲得，因此所有圖像都完全是隨機的，然後被分為訓練和測試數據集，在訓練和測試數據集之間建立相關關係，我將每個數據源30%的數據集作為驗證和測試數據集，所有圖像都被重置為64x64像素的大小，以便於特徵的提取。

特徵提取

我使用的特徵向量如下：

空間特徵：除了用於自檢的像斑（16x16像素）外啥都沒有。

顏色直方圖特徵：捕獲每個像斑的統計顏色信息，通過這種特徵向量捕獲的汽車顏色通常是非常飽和的。

方向梯度直方圖（HOG）特徵：捕獲每個圖像通道的梯度結構，在不同的光線條件下，這種方法表現得還不錯。

在這篇博客里有關於HOG特徵的詳細描述，其思想始終是，在一個直方圖裡，在一個圖像上聚集梯度，讓特徵向量在不同視角和光線條件下變得更加穩定。下面是HOG特徵應用於有車的和沒車的圖像上時的可視化呈現。

最後一個特徵向量包含前面3個不同方法提取的特徵，因此有必要對每一個特徵進行計量，防止因取值範圍不同導致某一特徵佔主導地位，我使用了scikit學習包中的Standard.Scaler函數，通過移動平均值和按比例縮放到單位方差來標準化特徵。

訓練一個線性支持向量機

和其它分類和檢測問題不同，檢測汽車需要強實時，因此，要在高準確性和速度之間取得平衡，影響性能最主要的兩個參數是特徵向量的長度和汽車檢測演算法，線性SVM在速度和準確性之間提供了最好的折中方案，比隨機森林（快但準確性不夠）和非線性SVM（rbf內核，非常慢）的表現要好得多。最後測試時使用了一個包含6156個特徵的特徵向量，準確性超過了98.5%，但仍然有將近1.5%的像斑時不時的晃眼，特別是車道線、事故故障和欄杆。

滑動窗口

通常情況下，汽車檢測和攝像機使用滑動窗口掃描圖像一幀一幀記錄類似，對每個窗口而言，通過計算特徵向量並輸入到分類器中，汽車在不同距離出現時，有必要搜索多個尺度，通常會有100多個特徵向量需要提取，然後輸入到分類器中，對每一幀圖像進行處理。下面是正面檢測大約150個窗口的例子，不出意外，仍然會有一些失誤。

為了過濾掉誤判結果，我一直跟著檢測窗口直到最後30幀，只考慮被準確識別的圖像，最後有超過15次檢測被記錄下來，我用熱圖來呈現最終結果，可以看到噪點大大減少，

通過熱圖的閾值，包含所有非零值的熱圖最小矩形邊界框就可以確定下來。

全文點擊：車輛追蹤演算法大PK：SVM+HOG vs. YOLO