[論文レビュー] A Fast HOG Descriptor Using Lookup Table and Integral Image

Chunde Huang, Jiaxiang Huang|arXiv (Cornell University)|Mar 18, 2017

Advanced Image and Video Retrieval Techniques参考文献 8被引用数 11

ひとこと要約

本稿では、方向勾配計算のための事前計算済みルックアップテーブルと、効率的なヒストグラム集約のための積分画像を用いた高速HOG記述子を提案する。三角関数計算の代わりにテーブルルックアップを採用し、積分画像によってO(1)のヒストグラムクエリを可能にすることで、従来のHOGと比較して5倍～10倍の高速化を達成。最新のCPU上で800×600画像の処理時間を15ms未満に短縮した。

ABSTRACT

The histogram of oriented gradients (HOG) is a widely used feature descriptor in computer vision for the purpose of object detection. In the paper, a modified HOG descriptor is described, it uses a lookup table and the method of integral image to speed up the detection performance by a factor of 5~10. By exploiting the special hardware features of a given platform(e.g. a digital signal processor), further improvement can be made to the HOG descriptor in order to have real-time object detection and tracking.

研究の動機と目的

• リアルタイムの物体検出における従来のHOG記述子計算の計算ボトルネックを解消すること。
• HOGパイプラインにおける主要な性能ボトルネックである方向勾配計算の時間コストを低減すること。
• スライディングウィンドウにおけるヒストグラム集約を積分画像を用いて高速化し、領域特徴抽出を加速すること。
• 限られた精度と高いスループット要件を有する組み込みシステムおよびDSPプラットフォーム向けにHOGパイプラインを最適化すること。
• 検出精度を損なわせることなく、標準および組み込みハードウェアでリアルタイム性能を達成すること。

提案手法

• 勾配ペア(dx, dy)の大きさと方向を置き換えるために、511×511の事前計算済みルックアップテーブルを生成し、高コストな三角関数演算を回避する。
• 勾配の大きさを1に固定した簡素化されたHOGバージョンを採用し、計算を削減するため方向のビンにのみ注目する。
• 勾配の方向をN_bビン（例：8または9）に離散化し、各ピクセルをその方向に最も近いビンに割り当てる。
• 各ビンごとに別々のバイナリ画像を構築し、そのピクセルの勾配方向が該当ビンに属する場合は1、それ以外は0とする。
• 各ビン固有の画像に積分画像（和の面積テーブル）技術を適用し、定数時間の長方形領域和クエリを可能にする。
• 積分画像を用いて、領域サイズに依存しないO(N_b)時間で任意の長方形領域のヒストグラムカウントを計算する。

実験結果

リサーチクエスチョン

• RQ1 ルックアップテーブルを用いることで、HOG記述子における方向勾配計算に要する時間が顕著に短縮可能か？
• RQ2 積分画像を用いることで、HOG特徴抽出におけるスライディングウィンドウ上でのヒストグラム計算が効果的に高速化可能か？
• RQ3 ルックアップテーブルと積分画像を組み合わせたHOGパイプラインで、どの程度の性能向上が達成可能か？
• RQ4 標準および組み込みプロセッサ上でリアルタイム動作を実現するために、HOG記述子をどの程度最適化可能か？
• RQ5 最適化されたHOG特徴を用いる際、勾配の大きさ情報を無視しても検出性能に顕著な影響を与えるか？

主な発見

• 提案手法は、標準のOpenCV実装と比較して、HOG特徴抽出の計算を5倍～10倍高速化した。
• 800×600の画像に対しては、Intel i5 CPU搭載の一般的なデスクトップPCで約30msで処理が完了した。
• 64ビットコンパイルを用いることで、同じ画像サイズで処理時間を約15msに短縮した。
• より小さな入力サイズ（352×288）では処理時間が8ms未満に低下し、64ビットコードでは5ms未満にまで短縮された。
• 標準および組み込みプラットフォームでリアルタイムの物体検出が可能になった。特に、最適化された低精度データ型と組み合わせることで顕著な効果を発揮した。
• 勾配の大きさ情報を無視しても検出性能への影響は最小限であり、精度の著しい損失を伴わずさらなる高速化が可能となった。