车辆追踪算法大PK：SVM+HOG vs. YOLO

系统管理员 2022-05-26 02:18 231阅读 0赞

作者：Kaspar Sakmann

![6144ebeb12abf6f496cef169ce72952e5dd369ec][]

[Twitter][]

[Facebook][]

# 介绍 #

对于Udacity（优达学城）自动驾驶汽车纳米学位的汽车检测和跟踪项目，如果使用传统的计算机可视化技术将是一个挑战，就像方向梯度直方图（Histogramof Oriented Gradients，HOG）和其它特征组合在一起在视频里跟踪汽车一样，理想的解决方案应该是实时运行的，如>30FPS，我曾经使用线性SVM来处理视频，在一台i7CPU计算机上得到的结果只有可怜的3FPS。最后我使用YOLO来处理视频终于通过了Udacity的项目，YOLO是一个超快的用于对象检测的卷积神经网络，如果你的GPU够快（我当时使用的是GTX1080），视频处理的速度可以达到65FPS，比我用SVM+HOG的方法足足快20倍。

![6cba4625f0e5356d7cbb62f14375d93bf589b318][]

*使用YOLO来处理Udacity汽车跟踪项目视频在检测汽车时表现优异*

# 数据集 #

我使用了[KITTI][]和[GTI][]数据集，以及来自项目训练[仓库][Link 1]的一些其它数据，只有两类数据：有车的和没有车的，GTI数据从视频流获得，因此所有图像都完全是随机的，然后被分为训练和测试数据集，在训练和测试数据集之间建立相关关系，我将每个数据源30%的数据集作为验证和测试数据集，所有图像都被重置为64x64像素的大小，以便于特征的提取。

# 特征提取 #

我使用的特征向量如下：

*  空间特征：除了用于自检的像斑（16x16像素）外啥都没有。

*  颜色直方图特征：捕获每个像斑的统计颜色信息，通过这种特征向量捕获的汽车颜色通常是非常饱和的。

*  方向梯度直方图（HOG）特征：捕获每个图像通道的梯度结构，在不同的光线条件下，这种方法表现得还不错。

在[这篇博客][Link 2]里有关于HOG特征的详细描述，其思想始终是，在一个直方图里，在一个图像上聚集梯度，让特征向量在不同视角和光线条件下变得更加稳定。下面是HOG特征应用于有车的和没车的图像上时的可视化呈现。

![788fe993a12cd1308a5872c244c1aa328230625f][]

*HOG特征，从左边开始的4列：训练数据和它们在HLS颜色空间里的通道，右边3列：每个通道HOG向量的可视化效果*

最后一个特征向量包含前面3个不同方法提取的特征，因此有必要对每一个特征进行计量，防止因取值范围不同导致某一特征占主导地位，我使用了scikit学习包中的Standard.Scaler函数，通过移动平均值和按比例缩放到单位方差来标准化特征。

# 训练一个线性支持向量机 #

和其它分类和检测问题不同，检测汽车需要强实时，因此，要在高准确性和速度之间取得平衡，影响性能最主要的两个参数是特征向量的长度和汽车检测算法，线性SVM在速度和准确性之间提供了最好的折中方案，比随机森林（快但准确性不够）和非线性SVM（rbf内核，非常慢）的表现要好得多。最后测试时使用了一个包含6156个特征的特征向量，准确性超过了98.5%，但仍然有将近1.5%的像斑时不时的晃眼，特别是车道线、事故故障和栏杆。

![0c4169bbf6d451f058af84f5ead72b96dfcb3aeb][]

*尽管有98.5%的的准确性，仍然有像斑分类错误*

# 滑动窗口 #

通常情况下，汽车检测和摄像机使用滑动窗口扫描图像一帧一帧记录类似，对每个窗口而言，通过计算特征向量并输入到分类器中，汽车在不同距离出现时，有必要搜索多个尺度，通常会有100多个特征向量需要提取，然后输入到分类器中，对每一帧图像进行处理。下面是正面检测大约150个窗口的例子，不出意外，仍然会有一些失误。

![02038cc502c512c31e658b7692247500bdd01196][]

为了过滤掉误判结果，我一直跟着检测窗口直到最后30帧，只考虑被准确识别的图像，最后有超过15次检测被记录下来，我用热图来呈现最终结果，可以看到噪点大大减少，如下：

![369800a9d27ba14c263525adaf5087b3a93b7829][]

*左图：一帧的所有检测窗口。右图：最后30帧的热图*

通过热图的阈值，包含所有非零值的热图最小矩形边界框就可以确定下来。

![8cc7c663ecee5333e6ef268331506db6757aa1ea][]

*左图：15次检测生成了关键的热图阈值。右图：画出边界矩形的最终效果*

在视频中应用全部通道后，围绕汽车画出的矩形边界如下所示：

[视频链接][Link 3]

# 与YOLO比较及结论 #

从2005年开始，使用HOG特征和线性SVM是最佳选择，直到最近，出现了非常快速的对象检测神经网络，对象检测速度可以达到准实时。我下载了暗网（darknet）仓库里的代码，使用YOLO处理项目视频，只需要稍稍修改一下代码，允许直接保存视频，结果相当让人吃惊，检测时并没有使用滑动窗口，但速度仍然非常快，一帧图像通过网络时只需要被处理一次，因此称之为YOLO--“youonly look once”。

[视频链接][Link 4]

用神经网络来处理一整幅图像与提取每个像斑的特征向量然后用SVM来处理相比，前者的代价更大，但是，对一幅图像来说，这种方法只需要处理一次，而SVM+HOG方案需要处理大约150次。上面大家看到的视频，我还没有进行过优化，如减少图像或定义兴趣区域，或者针对汽车做特定训练。在准确性相当时，YOLO比SVM+HOG要快20多倍，检测阈值可以被设置为任意置信水平，我保留默认值（50%），并且除了汽车之外不再检测其它对象，这让我相当兴奋，我将在另一个独立项目中进一步验证汽车检测的可能性。

以上为译文。

文章原标题《Vehicle tracking using a support vector machine vs. YOLO》，作者：Kaspar Sakmann，译者：耕牛的人，校核：主题曲（身形）。

文章为简译，更为详细的内容，请查看 [原文][Link 5]。

[6144ebeb12abf6f496cef169ce72952e5dd369ec]: /images/20220526/6f84a7277960488e8c99a0c715379084.png
[Twitter]: https://twitter.com/KasparSakmann
[Facebook]: https://facebook.com/10154402635239258
[6cba4625f0e5356d7cbb62f14375d93bf589b318]: /images/20220526/6aad989bba6c4958b8143f49cde64a2b.png
[KITTI]: http://www.cvlibs.net/datasets/kitti/
[GTI]: http://www.gti.ssr.upm.es/data/Vehicle_database.html
[Link 1]: https://github.com/udacity/CarND-Vehicle-Detection
[Link 2]: http://www.pyimagesearch.com/2014/11/10/histogram-oriented-gradients-object-detection/
[788fe993a12cd1308a5872c244c1aa328230625f]: /images/20220526/c81a0e5f34b24e55bf93837e360176d0.png
[0c4169bbf6d451f058af84f5ead72b96dfcb3aeb]: /images/20220526/f01eb76727e44eaf9aec167af3f16e29.png
[02038cc502c512c31e658b7692247500bdd01196]: /images/20220526/b0901ef742bd411d83215e0d9849bda4.png
[369800a9d27ba14c263525adaf5087b3a93b7829]: /images/20220526/21268b1057f64f668186e514dd28adb8.png
[8cc7c663ecee5333e6ef268331506db6757aa1ea]: /images/20220526/f17a55910603463eaf51aa00bbc816b6.png
[Link 3]: http://player.youku.com/player.php/sid/XMjU5MzgxNjgwNA==/v.swf
[Link 4]: http://player.youku.com/player.php/sid/XMjU5Mzg5NDM4MA==/v.swf
[Link 5]: https://medium.com/@ksakmann/vehicle-detection-and-tracking-using-hog-features-svm-vs-yolo-73e1ccb35866#.7ju1bwqwp