Детектирование пешеходов

3. Программная реализация

3.1. Разработка приложения для детектирования пешеходов

3.1.1. Требования к приложению

В рамках данной лабораторной работы предлагается разработать приложение для детектирования пешеходов на изображениях с использованием рассмотренных алгоритмов. К приложению предъявляются следующие требования:

1. Выбор алгоритма детектирования.
2. Детектирование на множестве изображений.
3. Визуализация результата работы детектора для оценки качества детектирования на наборе изображений.

3.1.2. Структура приложения

Разрабатываемое приложение должно осуществлять последовательную загрузку указанных (например, всех в заданной директории) изображений. Осуществлять на них детектирование выбранным алгоритмом с заданными параметрами и выводить результат в виде отрисованных на исходном изображении срабатываний детектора. Предлагается проследить, как влияет изменение тех, или иных параметров на получаемый результат.

Следует отметить, что существуют и более объективные методы оценивания качества детектирования, нежели визуальное: построение графика зависимости процента правильно детектированных объектов от среднего числа ложных срабатываний детектора, подсчет средней точности (average precision) и т.д. Однако данные подходы обладают множеством нюансов и рекомендуется использовать уже готовые решения, например, [12].

4. Контрольные вопросы

1. Что такое HOG-признаки, какова общая схема их вычисления?
2. Как подсчитать длину вектора HOG-признаков для заданных параметров HOG-дескриптора и разрешения изображения?
3. Для чего производится масштабирование изображения при детектировании методом бегущего окна?
4. Для чего применяется группировка срабатываний детектора?

5. Дополнительные задания

1. Реализуйте описанный алгоритм обучения линейной машины опорных векторов для HOG-детектора на базе INRIA [4, 9]. Сравните качество полученной модели и имеющихся в OpenCV.
2. Сравните качество встроенных моделей HOG-детектора и LatentSVM.