본 논문에서는 파트 영역 기법과 랜덤 포레스트 분류기를 이용하여 정지 영상에서 사람 크기의 변화, 배경의 복잡도, 부분적 가려짐 등에 강건한 사람 객체 검출 알고리즘을 제안한다. 먼저 목표 사람 객체를 포함하는 윈도우에서 N개의 파트 후보 영역을 임의의 크기와 위치에 생성한다. 이후 랜덤 포레스트 분류기를 이용하여 사람 검출에 사용할 상위M개의 파트 영역을 사람의 3가지 방향(정면, 측면, 뒷면)마다 결정한다. 테스트 영상에 대해 탐색 윈도우를 설정하고, 각 방향마다 M개의 로컬 영역을 학습된 랜덤 포레스트 분류기에 적용한다. 각 방향 별 파트 영역의 확률 값을 추정하고, 추정된 확률 값을 결합하여 최고값을 갖는 방향을 선택한다. 성능 평가를 위해 Dalal[1] 등과 Bourdev[3] 등에서 제안한 사람 검출 알고리즘과 성능 비교 실험을 하였고, 그 결과 성능 면에서 우수할 뿐 아니라, 프로그램 실행시간을 상당부분 단축시켰음을 실험 결과를 통해 확인하였다.
In this paper we developed a novel method for detecting multi-view humans in still images that is robust to variation of human size, cluttered background, and partial occlusion using part region and random forest classifier. To select the appropriate location and size for a part region, we generate a random set of rectangular part region. Then, we use the random forest classifier to determine M part regions in three viewpoints (front, profile, back). Given a test image, the selected part features are extracted from a search window and each M part feature is applied to its corresponding classifier. The total probability of search window is obtained based on the arithmetic average of each distribution for all part classifiers and we select the view of human as the maximum probability between three views. The experimental results showed that our algorithm improved the human detection performance compared with two related methods, Dalal [1] and Bourdev [3], and proposed method reduced the processing time remarkably.
