Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection

Histogram Kecerunan Terhala (HOG) yang asalnya dicadangkan oleh Dalal dan Triggs telah digunakan dengan meluas dalam aplikasi pengesanan manusia berasaskan penglihatan. Walau bagaimanapun, kaedah tersebut menghasilkan himpunan ciri yang besar dan memerlukan pengiraan yang intensif serta memakan masa...

Full description

Saved in:

Bibliographic Details
Main Author:	Lai, Chi Qin
Format:	Thesis
Language:	English
Published:	2016
Subjects:	T Technology TK7870 Electronic packaging
Online Access:	http://eprints.usm.my/40762/1/Improving_the_Efficiency_of_Histogram_of_Oriented_Gradient_Feature_for_Human_Detection.pdf
Tags:	Add Tag No Tags, Be the first to tag this record!

id	my-usm-ep.40762
record_format	uketd_dc
spelling	my-usm-ep.407622018-06-12T04:36:15Z Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection 2016-09 Lai, Chi Qin T Technology TK7870 Electronic packaging Histogram Kecerunan Terhala (HOG) yang asalnya dicadangkan oleh Dalal dan Triggs telah digunakan dengan meluas dalam aplikasi pengesanan manusia berasaskan penglihatan. Walau bagaimanapun, kaedah tersebut menghasilkan himpunan ciri yang besar dan memerlukan pengiraan yang intensif serta memakan masa. Oleh itu, kaedah ini tidak sesuai untuk digunakan dalam aplikasi-aplikasi masa nyata. Penyelidikan ini mencadangkan satu kaedah baru yang boleh mengurangkan masa pengekstrakan ciri HOG tanpa menjejaskan terlalu banyak prestasi pengesanannya. Kaedah yang dicadangkan ialah menjalankan pengekstrakan ciri dengan menggunakan bilangan bin histogram terpilih. Bilangan bin histogram yang lebih tinggi yang mampu mengekstrak ciri-ciri yang mengandungi lebih banyak maklumat orientasi telah digunakan untuk pengekstrakan ciri di kawasan imej yang berkemungkinan mengandungi manusia, manakala pengekstrakan ciri-ciri di kawasan yang lain menggunakan bilangan bin histogram yang lebih rendah. Cara ini akan mengurangkan saiz ciri tanpa menjejaskan terlalu banyak prestasi pengesanan. Kemudian, Analisis Komponen Utama (PCA) akan digunakan untuk menyusun dan memilih ciri-ciri yang boleh mewakili keseluruhan set ciri. Pengelas linear Sokongan Vektor Mesin (SVM) telah digunakan untuk menilai prestasi kaedah yang dicadangkan dalam penyelidikan ini. Eksperimen telah dijalankan menggunakan data set manusia INRIA. Keputusan eksperimen menunjukkan bahawa kaedah yang dicadangkan ini mampu mengurangkan masa pengekstrakan ciri sebanyak 2.6 kali ganda berbanding dengan kaedah HOG yang asal manakala pengurangan sebanyak 7 kali ganda berbanding dengan kaedah LBP dan pengurangan sebanyak 2.5 kali ganda berbanding dengan kaedah HOG imej integral. Pada masa yang sama, kaedah yang dicadangkan ini memberikan prestasi pengesanan yang setanding. ________________________________________________________________________________________________________________________ Histogram of Oriented Gradient (HOG) feature which was originally proposed by Dalal and Triggs is widely used in vision-based human detection. However, HOG feature extraction method produced a large feature pool which is computationally intensive and very time consuming, causing it not so suitable for real time application. This research proposed a method to reduce the HOG feature extraction time without affecting too much on its detection performance. The proposed method performs feature extraction using selective number of histogram bins. Higher number of histogram bins which can extract more detailed orientation information is applied on the regions of image that may contain human figure. The rest of the regions in the image are extracted using lower number of histogram bins. This will reduce the feature size without compromising too much on the performance. To further reduce the feature size, Principal Component Analysis (PCA) is used to rank the features and select only the representative features. A linear Support Vector Machine (SVM) classifier is used to evaluate the performance of the proposed method. Experiment was conducted using the INRIA human dataset. The test results show that the proposed method is able to reduce the feature extraction time by 2.6 times compared to the original HOG,7 times compared to the LBP method and 2.5 times faster than the integral image HOG while providing comparable detection performance. 2016-09 Thesis http://eprints.usm.my/40762/ http://eprints.usm.my/40762/1/Improving_the_Efficiency_of_Histogram_of_Oriented_Gradient_Feature_for_Human_Detection.pdf application/pdf en public masters Universiti Sains Malaysia Pusat Pengajian Kejuruteraan Elektrik Dan Elektronik
institution	Universiti Sains Malaysia
collection	USM Institutional Repository
language	English
topic	T Technology TK7870 Electronic packaging
spellingShingle	T Technology TK7870 Electronic packaging Lai, Chi Qin Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
description	Histogram Kecerunan Terhala (HOG) yang asalnya dicadangkan oleh Dalal dan Triggs telah digunakan dengan meluas dalam aplikasi pengesanan manusia berasaskan penglihatan. Walau bagaimanapun, kaedah tersebut menghasilkan himpunan ciri yang besar dan memerlukan pengiraan yang intensif serta memakan masa. Oleh itu, kaedah ini tidak sesuai untuk digunakan dalam aplikasi-aplikasi masa nyata. Penyelidikan ini mencadangkan satu kaedah baru yang boleh mengurangkan masa pengekstrakan ciri HOG tanpa menjejaskan terlalu banyak prestasi pengesanannya. Kaedah yang dicadangkan ialah menjalankan pengekstrakan ciri dengan menggunakan bilangan bin histogram terpilih. Bilangan bin histogram yang lebih tinggi yang mampu mengekstrak ciri-ciri yang mengandungi lebih banyak maklumat orientasi telah digunakan untuk pengekstrakan ciri di kawasan imej yang berkemungkinan mengandungi manusia, manakala pengekstrakan ciri-ciri di kawasan yang lain menggunakan bilangan bin histogram yang lebih rendah. Cara ini akan mengurangkan saiz ciri tanpa menjejaskan terlalu banyak prestasi pengesanan. Kemudian, Analisis Komponen Utama (PCA) akan digunakan untuk menyusun dan memilih ciri-ciri yang boleh mewakili keseluruhan set ciri. Pengelas linear Sokongan Vektor Mesin (SVM) telah digunakan untuk menilai prestasi kaedah yang dicadangkan dalam penyelidikan ini. Eksperimen telah dijalankan menggunakan data set manusia INRIA. Keputusan eksperimen menunjukkan bahawa kaedah yang dicadangkan ini mampu mengurangkan masa pengekstrakan ciri sebanyak 2.6 kali ganda berbanding dengan kaedah HOG yang asal manakala pengurangan sebanyak 7 kali ganda berbanding dengan kaedah LBP dan pengurangan sebanyak 2.5 kali ganda berbanding dengan kaedah HOG imej integral. Pada masa yang sama, kaedah yang dicadangkan ini memberikan prestasi pengesanan yang setanding. ________________________________________________________________________________________________________________________ Histogram of Oriented Gradient (HOG) feature which was originally proposed by Dalal and Triggs is widely used in vision-based human detection. However, HOG feature extraction method produced a large feature pool which is computationally intensive and very time consuming, causing it not so suitable for real time application. This research proposed a method to reduce the HOG feature extraction time without affecting too much on its detection performance. The proposed method performs feature extraction using selective number of histogram bins. Higher number of histogram bins which can extract more detailed orientation information is applied on the regions of image that may contain human figure. The rest of the regions in the image are extracted using lower number of histogram bins. This will reduce the feature size without compromising too much on the performance. To further reduce the feature size, Principal Component Analysis (PCA) is used to rank the features and select only the representative features. A linear Support Vector Machine (SVM) classifier is used to evaluate the performance of the proposed method. Experiment was conducted using the INRIA human dataset. The test results show that the proposed method is able to reduce the feature extraction time by 2.6 times compared to the original HOG,7 times compared to the LBP method and 2.5 times faster than the integral image HOG while providing comparable detection performance.
format	Thesis
qualification_level	Master's degree
author	Lai, Chi Qin
author_facet	Lai, Chi Qin
author_sort	Lai, Chi Qin
title	Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
title_short	Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
title_full	Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
title_fullStr	Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
title_full_unstemmed	Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection
title_sort	improving the efficiency of histogram of oriented gradient feature for human detection
granting_institution	Universiti Sains Malaysia
granting_department	Pusat Pengajian Kejuruteraan Elektrik Dan Elektronik
publishDate	2016
url	http://eprints.usm.my/40762/1/Improving_the_Efficiency_of_Histogram_of_Oriented_Gradient_Feature_for_Human_Detection.pdf
_version_	1747820817485398016

Improving the Efficiency of Histogram of Oriented Gradient Feature for Human Detection

Similar Items