[論文レビュー] Template Matching based Object Detection Using HOG Feature Pyramid

Anish Acharya|arXiv (Cornell University)|Jun 27, 2014

Advanced Image and Video Retrieval Techniques参考文献 2被引用数 5

ひとこと要約

本稿では、スケール不変な検出を実現するため、ヒストограмの勾配（HOG）特徴ピラミッドを用いたテンプレートマッチングベースのオブジェクト検出フレームワークを提案する。複数の画像スケールでHOG特徴を計算し、正規化相互相関を用いて検出を実行する。また、複数の正例および負例トレーニングサンプルを組み込むことで、さまざまなポーズ、スケール、背景に対しても堅牢な検出を実現し、精度の高い検出を達成する。

ABSTRACT

This article provides a step by step development of designing a Object Detection scheme using the HOG based Feature Pyramid aligned with the concept of Template Matching.

研究の動機と目的

• 複雑な背景におけるポーズ、外観、スケールの変化に伴うオブジェクト検出の課題に対処すること。
• 勾配方向の分布を捉えるHOG特徴を活用することで、検出の堅牢性を向上させること。
• HOG特徴ピラミッドを用いたマルチスケール検出戦略を導入し、異なるサイズのオブジェクトに対応すること。
• 多様な負例トレーニングサンプルを組み込むことで、誤検出を低減すること。
• 非最大抑制を用いて重複する検出を除去することで、検出の信頼性を向上させること。

提案手法

• 8×8の空間ブロックと1ブロックあたり9つの勾配方向のビンを用い、勾配応答の最大値の10%をしきい値としてマグニチュードのしきい値処理を実施するHOG特徴を抽出する。
• 入力画像を複数のレベル（例：1レベルあたり0.5倍）でスケーリングすることでHOG特徴ピラミッドを構築し、マルチスケール検出を可能にする。
• 各ピラミッドレベルにおいて、学習済みテンプレートとHOG特徴の間で正規化相互相関を実行し、検出スコアを計算する。
• すべてのピラミッドレベルにおける検出スコアを統合し、結果を元の画像座標にスケーリングし直す。
• 検出されたバウンディングボックス同士の最小距離を128ピクセル以上に制約することで、重複する検出をフィルタリングする。
• 同じ画像から得た複数の正例テンプレートと、1画像あたり100個の負例パッチを用いてトレーニングすることで、一般化性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 HOGベースの特徴表現は、ポーズ、スケール、照度の変化に対して検出の堅牢性を向上させることができるか？
• RQ2 マルチスケールHOG特徴ピラミッド検出は、シングルスケールテンプレートマッチングと比較して性能をどのように向上させるか？
• RQ3 多様な正例および負例トレーニングサンプルを組み込むことで、誤検出の低減と検出精度の向上にどの程度寄与するか？
• RQ4 重複する検出を抑制しながら、個々のオブジェクトインスタンスを保持する目的で、非重複検出フィルタリングはどの程度効果的か？
• RQ5 HOG特徴ピラミッドを用いたスケール不変検出は、実世界のシーンにおけるさまざまなサイズのオブジェクトを信頼性高く検出可能か？

主な発見

• 5つの正例トレーニングテンプレートを用いることで、単一のテンプレートに比べて検出性能が顕著に向上し、見逃し検出が減少した。
• 1画像あたり100個の負例トレーニングパッチを組み込むことで、誤検出が著しく低減され、よりクリーンな検出出力が得られた。
• マルチスケールHOG特徴ピラミッドにより、異なるサイズのオブジェクトの検出が可能になり、以前は検出できなかった小さな顔なども検出可能となった。
• スケール不変性がなければ5つのオブジェクトを正しく検出できたが、スケール不変アプローチにより、より小さなサイズや異なるスケールのインスタンスまで検出範囲が拡大された。
• 非重複検出フィルタリングにより、重複する検出が効果的に抑制され、最も信頼性が高く空間的に離れた検出のみが保持された。