# 基于RGB-D数据的行人检测
Luciano Spinello
Kai O. Arras
摘要—行人检测是与人类共享空间的机器人和智能系统的核心问题。以往研究多使用摄像头和二维或三维测距传感器完成该任务。本文提出了一种面向RGB-D数据的新型行人检测方法。我们从方向梯度直方图（HOG）检测器获得启发，设计了一种用于在密集深度数据中检测行人的鲁棒方法，称为方向深度直方图（HOD）。HOD对深度变化的方向进行局部编码，并依托深度信息辅助的尺度空间搜索将检测过程提速三倍。我们随后提出了Combo-HOD，这是一种将HOD与HOG进行概率融合的RGB-D检测器。实验中将本文方法与多种替代检测方案进行了全面对比，包括视觉HOG、多种HOD变体、面向三维点云的几何行人检测器，以及基于Haar特征的AdaBoost检测器。在最远8米范围内，本文方法的等错误率达到85%，结果验证了HOD和Combo-HOD在由Kinect传感器采集的人员密集室内环境真实数据集上的鲁棒性。
## 一、引言
行人检测是众多机器人、交互系统和智能车辆的重要基础组成部分。该任务常用的传感器为摄像头和测距传感器。尽管两种传感模态各有利弊，但随着可同时提供图像和测距数据、性价比高且可靠性不断提升的RGB-D传感器问世，二者之间的界限已不再清晰。
机器人领域的许多研究者都在研究如何在测距数据中检测行人。早期工作使用二维测距数据完成该任务[^1]，[^2]。三维测距数据中的行人检测是一个相当新的问题，相关研究较少。Navarro等人[^3]将三维扫描降维为虚拟二维切片，寻找地面上方的显著垂直物体，再通过一组经SVM分类的特征对行人进行分类。Bajracharya等人[^4]通过处理垂直物体，并基于固定行人模型考虑点云的一组几何特征和统计特征，在立体视觉生成的点云中检测行人。与这些需要假设地平面的研究不同，Spinello等人[^5]通过分类部件的投票方法结合自顶向下验证流程克服了这一限制，该方法在提升体积镶嵌中学习得到最优特征集。
在计算机视觉领域，单幅图像的行人检测问题已经得到了广泛研究。近年来
Fig. 1. Detected people in RGB-D data from dense depth data (right) and color image data (left). The method neither relies on background learning nor on a ground plane assumption.
相关工作包括[^6]、[^7]、[^8]、[^9]、[^10]，这些方法要么采用基于部件的投票方案，要么采用窗口滑动法。在前一种方法中，身体部件独立投票判断是否存在行人；在后一种方法中，固定大小的检测窗口在图像的不同尺度空间位置滑动，对窗口覆盖区域进行分类。还有一些研究针对多模态行人检测问题展开：[^11]提出了一种可训练的二维测距数据与摄像头组合系统，[^12]使用立体系统融合图像数据、视差图和光流，[^13]则使用强度图像和低分辨率飞行时间相机。
本文在行人检测领域的贡献如下：
- 我们开发了一种鲁棒的密集深度人体检测方法，名为方向深度直方图（Histogram of Oriented Depths, HOD），该方法灵感来源于方向梯度直方图（Histogram of Oriented Gradients, HOG）方法，以及Kinect RGB-D传感器特有的深度特性。
- 我们基于训练得到的尺度-深度回归模型，结合积分图像的一种新颖用法，为HOD实现了信息充分的尺度空间搜索 [^14]。
- 我们提出了Combo-HOD，这是一种用于在RGB-D数据中检测人体的新型规范融合方法。
- 我们的实验包含与多种其他方法的全面对比，这些方法包括视觉HOG、HOD的多个变体、适用于三维点云的几何人体检测器 [^5]，以及基于Haar特征的AdaBoost检测器 [^15]。
需要说明的是，该方法既不依赖背景学习，也不做地平面假设。
本文结构如下：下一节将讨论Kinect传感器的特性，随后第三节介绍面向密集深度数据的HOD检测器，以及用于在
---
Fig. 2. Kinect depth characteristics. The blue line is the function that relates the byte values of the range image to metric depth, the red line is the sensor's minimal measurable depth. The dark green area indicates the adequate play space recommended in the Kinect User Manual, the yellow area is the range considered in this paper for detecting people. Notice that we address the problem of people detection at nearly $4\times$ the suggested working range, where depth resolution is becoming increasingly coarser.
RGB-D数据中检测人体的Combo-HOD。第四节介绍数据集、性能指标和对比实验。第五节对本文进行总结。
### 二、Kinect传感器特性
在本节中，我们分析讨论了本文所使用的微软Kinect RGB-D传感器的特性。该传感器由一个红外（IR）相机、一个红外投影仪和一个标准彩色相机组成。为测量深度，该传感器遵循结构化红外光原理 [^16]。深度图像的像素分辨率为 $640 \times 480$，每个像素占11位。值得注意的是，并非所有位都用于编码深度信息：超出范围的值（例如低于最小测距的数值）会被标记为 $V_{max} = 1084$，我们通过实验确定最小测距为 $V_{min} = 290$。因此，每个像素仅使用794个值（10位）来编码深度信息。
原始深度值v与以米为单位的度量深度d之间的关系已通过实验确定如下 [^17]：
$$ d=\frac{8\cdot B\cdot F_{x}}{(V_{max}-v)} $$
其中 $B = 0.075 \, m$ 对应红外投影仪与红外相机之间的距离（即基线），$F_x$ 是红外相机在水平方向的焦距。d为负值的结果会被丢弃。该函数是一种双曲线关系，与立体相机系统中根据点对对应关系确定深度的方式类似。图2展示了该关系，并标出了制造商指定的传感器可可靠工作的合适工作区间 [^18]。该区间的最远边界为距离传感器 $2 \, m - 2.5 \, m$ 的位置。
本文中我们在 $0\,m - 8\,m$ 距离范围内检测人体，该范围几乎是厂商规格的四倍。深度分辨率的损失使得这项任务颇具挑战性。86.9%的深度值被用于编码 $0\,m$ 和 $2.5\,m$ 之间的区间，仅剩下140个值用于描述剩余的 $2.5\,m - 8\,m$ 区间。
Fig. 3. Left: Effects of hyperbolic resolution loss. Side view of two example persons at different ranges from the sensor. Close subjects are accurately described in high detail. Farther away, quantization is becoming increasingly dominant and heavily compromises the shape information on people. Geometric approaches to people detection will perform poorly in such data. Right: Example frame to illustrate that IR-absorbing surfaces at large distances lead to blobs of missing depth data (upper body of leftmost subject, white means missing data).
由式(1)的双曲特性推导得到的这一效应，已在图3中通过两个不同距离处两个人的点云进行了说明。前景中距离约2米处的人物形状细节丰富，而背景目标仅在非常粗糙的距离分辨率下获得少量点，描述效果很差。这使得3D数据的几何信息含量强烈依赖于距离，对于距离传感器较远的区域，几何信息会严重受损。
另一个尤其在远距离下明显的效应是对表面材质的强敏感性。强红外吸收表面会导致投射图案反射后的信号强度非常低，进而在图像中产生成片的深度缺失区域。该效应如图3右侧所示。
### III. RGB-D数据中的人体检测
本节我们将介绍所提出的检测器。我们首先总结面向图像数据的HOG检测器，随后介绍我们从HOG推导得到的面向稠密深度数据的新方法HOD，最后提出融合两种传感特征的Combo-HOD方法。
### A. HOG：方向梯度直方图
由Dalal和Triggs提出的方向梯度直方图（HOG）[^6]是目前性能最优、应用最广泛的视觉人体检测方法之一 [^10], [^9]。该方法采用一个固定尺寸的检测窗口，将其细分为均匀的细胞网格。对每个细胞，计算像素点的梯度方向并归集到一维直方图中。其核心思路是，无需知道梯度在细胞内的精确位置，仅通过局部梯度的分布就可以表征局部外观和形状。相邻细胞组成的单元被称为块，用于对对比度进行局部归一化。将所有块的直方图级联得到描述子，随后用于训练线性支持向量机（SVM）。检测人体时，检测窗口会在多个尺度上遍历整幅图像。对每个位置和每个尺度，
---
Fig. 4. Quantized regression curve that relates metric depth to the scale of the detection window. The curve is saturated at the maximum scale of 20, to avoid extremely large detection windows.
利用训练得到的SVM计算并分类HOG描述子。更多细节参见[^6]。
### B. HOD：方向深度直方图
基于HOG的思路，我们提出方向深度直方图（HOD），这是一种面向稠密深度数据的新型人体检测器。
1) 工作原理：HOD针对深度图像采用与HOG相同的处理流程：将固定检测窗口划分为多个细胞，计算每个细胞的描述子，再将方向深度梯度归集到一维直方图中。每四个细胞组成一个块，收集并将直方图归一化为$L2$-Hys [^6]单位长度，从而实现对深度噪声的高鲁棒性。其核心思路是，一组局部深度变化即可稳健地表征局部3D形状和外观。得到的HOD特征采用与[^6]中提出的相同两阶段训练方法，用于训练柔性线性SVM。
2）深度图像预处理：正如第二节（Sec. II）所述，原始深度图像的编码值对真实度量深度的分布极不均匀。对于远处的物体，深度值每相差1，对应的实际距离跳变可达15厘米。这一点对HOG/HOD框架尤为重要，因为该方法中物体轮廓处的轮廓块会获得非常高的权重。具体而言，这些块对应SVM超平面中具有最高正权重的维度。因此，我们使用公式1对原始距离图像进行预处理，以增强前景与背景的区分度。为了保证梯度计算的数值稳定性，我们进一步将得到的度量深度值乘以$M/D_{max}$，其中M = 100为恒定增益，$D_{max} = 20$为所考虑的最大距离，单位为米。该预处理步骤本质上类似于用于增强强度图像对比度的伽马校正流程。在这里我们可以利用传感器的已知信息，通过物理合理的模型消除非线性。
3）深度引导的尺度空间搜索：许多视觉检测方法（如HOG）都采用尺度空间搜索来检测图像中的目标。在HOD方法中，我们可以利用深度信息引导该过程，最终得到的搜索不仅效率更高，而且由于得到了合理的先验尺度估计，精度也更高。
我们改进搜索的思路是设计一种快速技术，在深度图像的每个位置筛选出兼容的尺度。第一步，我们从训练数据集中计算出人体平均身高$H_{m}$，该训练数据集中每个样本的地面位置和身高都经过了准确标注。随后我们利用这些信息计算尺度-深度回归关系，如图4所示：
$$ s=\frac{F_{y}\cdot H_{m}}{d}\cdot\frac{1}{H_{w}} $$
其中$F_y$是红外相机的垂直焦距，$H_m = 1.74$ m是测量得到的人体平均身高，$H_w$是尺度为1时检测窗口的高度，单位为米。注意，公式2中的左侧项表示高度为$H_m$、垂直于相机且位于距离d处的半平面的图像投影。为了限制内存使用，我们对公式2按每$\frac{1}{3}$个尺度进行量化。我们为深度图像的每个像素计算尺度s，生成一张尺度图，并从中得到所有可用尺度的列表$\mathcal{S}$。该列表仅包含与图像中存在人体兼容的尺度。这种方法避免了像图像金字塔这类无引导搜索启发式方法那样，需要在精细分辨率下考虑大量尺度。
得到每张图像对应的尺度列表S后，我们就可以开始进行引导式尺度空间搜索。只有深度信息与S匹配的搜索窗口才会被送入SVM分类器。
解决该问题的朴素方法是，从列表$\mathcal{S}$中选出一个尺度s，然后在每个尺度空间位置测试窗口下的深度值是否与s兼容。这需要在所有位置扫描搜索窗口下的整个区域，检验是否至少存在一个深度值与s兼容，该过程计算开销很大，在大尺度下尤为明显。
利用积分图像[^14]，我们提出了一种速度快得多的解决方案，能够在$O(1)$中完成尺度测试。积分图像是一种用于高效计算网格矩形区域内数值总和的技术。图像中每个点的值等于该点上方和左侧所有像素值的总和。积分图像本身的构建是一个$O(N)$过程，其中N取决于未缩放原始图像的尺寸。积分图像的核心优势是仅需四次减法即可完成区域积分的计算。本文将该概念扩展到积分张量，即根据式2的量化要求，构建拥有与S中尺度数量相同层数的多层积分图像。积分张量中的每一层都是二值图像，层中的非白色像素对应于该层的尺度。这使得我们可以非常高效地检测给定搜索窗口中是否至少存在一个特定尺度的像素。积分张量仅需对每张图像构建一次。
在检测阶段，我们先从S中选定一个尺度s，随后针对每个搜索窗口位置，检测过程会
---
按照如下方式执行：对积分张量中对应s的层内搜索窗口计算区域积分。如果结果大于零，说明该窗口下至少存在一个匹配的深度像素，此时计算HOD；否则该检测窗口将被跳过，流程继续执行。
### C. Combo-HOD：RGB-D人体检测器
前文介绍的两种检测方法都分别仅使用图像数据或距离数据。为了充分利用RGB-D数据的丰富信息，我们提出了Combo-HOD，这是一种融合多传感线索的新型检测器。这种融合方案极具前景：深度数据对光照变化鲁棒，但对低强度信号返回敏感，且深度分辨率有限；图像数据则含有丰富的颜色和纹理信息，角分辨率高，但在非理想光照下性能会迅速下降。
Combo-HOD采用分开训练策略：分别在图像数据上训练HOG检测器，在深度数据上训练HOD检测器。该方法完全依赖于上文介绍的已知尺度空间搜索：每当检测窗口具有匹配尺度时，我们会在深度图像中计算HOD描述子，并在彩色图像的同一窗口中计算HOG描述子。当没有可用深度数据时，该检测器可以平滑退化为常规HOG检测器。我们需要进行标定来确定外参，从而建立两幅图像之间的正确对应关系。
当得到HOG和HOD描述子的分类结果后，就可以进行信息融合了。训练完成的SVM的决策函数由HOD/HOG描述子与SVM超平面的点积加上SVM偏置后的符号决定。为了融合这两部分信息，我们采用了Platt等人[^19]提出的方法：对每个SVM输出拟合一个sigmoid函数，将输出值映射到概率轴上。随后，HOD检测器输出的概率$p_{D}$和HOG检测器输出的概率$p_{G}$通过信息滤波器进行融合
$$ p=p_{D}+k\left(p_{G}-p_{D}\right)\quad k=\frac{\sigma_{D}^{2}}{\sigma_{D}^{2}+\sigma_{G}^{2}}, $$
其中p是检测到人体的最终概率，$\sigma_{D}^{2}$取值为验证集等错误率点处HOD检测器的漏检数与HOG检测器漏检数的比值，且$\sigma_{G}^{2}=1-\sigma_{D}^{2}$。
### IV. 实验
为评估和比较不同的检测器方法，我们采集了一个大规模室内数据集，包含人们无预设脚本的行为数据。该数据集采集于午餐时段某大型大学食堂的大厅。我们还在另一栋视觉环境不同的大学建筑中额外采集了一个数据集，该数据集仅用于生成背景样本。这样做是为了避免检测器对食堂大厅的视觉外观产生偏差，尤其是因为我们的数据来自固定传感器。该数据集已完成手动标注，标注内容包含二维深度图像空间中的边界框，以及目标的可见状态（完全可见/部分遮挡）。我们总共对1088帧中的1648个行人实例进行了标注。该数据集可在作者的网页获取。
我们采用精确率-召回率和等错误率（EER）作为评估指标。考虑到标注和检测过程中的度量误差，仅当检测边界框与手动标注行人的重叠率超过40%时，该检测才会被计为真正例。我们采用了[^9]提出的无奖励无惩罚策略，当检测结果匹配到部分遮挡行人的标注时，既不将其计为真正例，也不将其计为假正例。
所有检测器的训练集由1030个行人深度数据样本（这些样本还进行了水平翻转）和5000个负样本组成，负样本均从背景数据集中随机选取。
### A. 结果
我们将新型HOD检测器与其他基于深度的技术、基于视觉的技术，以及新型多模态RGB-D检测方法Combo-HOD进行了对比。
考虑到Kinect数据中深度量化的重要性，我们评估了两种HOD变体：HOD11利用传感器提供的完整11位深度范围，HOD8则使用缩放后的8位深度范围。我们还将HOD检测器与Sec. III-B所述方法之外的其他预处理技术进行了对比。我们测试了计算机视觉领域用于对比度增强或光照均衡的典型技术，包括平方根算子、对数算子，以及不进行任何预处理。
图5左侧的实验结果清楚表明，在整个精确率-召回率区间内，HOD11的性能均优于HOD8：额外3位的深度编码有助于区分行人和背景。这一结论对于深度数据的所有预处理操作都成立（结果未在图5中展示）。对于HOD11，最优预处理技术是Sec. III-B中所述的方法，这证实了理论合理的方法性能优于特殊启发式策略。具体而言，HOD11的EER为83%，而最优HOD8变体的EER为75%。
在RGB-D数据的研究背景下，一个核心问题是：相较于纯视觉检测技术，深度信息能带来多少增益。为研究该问题，我们测试了视觉HOG检测器和基于Haar特征的视觉Adaboost检测器（HA）的性能，后者由Viola和Jones首次提出[^15]，二者均用于检测RGB图像中的行人。从图5左侧可以看出，两种方法的性能均不如HOD11和Combo-HOD，HOG的EER为73%，HA的EER仅为13%（HA结果未在图5中展示）。性能不佳的主要原因与光照问题有关：该数据集的采集环境光照条件不理想，黑暗区域会导致移动行人的图像模糊。
---
Fig. 5. Left: Precision recall curves for depth-based, image-based, and combined RGBD based detection methods. The most performance detector is the combined RGB-D detector, Combo-HOD, that fuses HOD and HOG. HOD is evaluated at different depth discretizations, 8bits and 11bits. HOD11 is the best depth-based detection method. Visual-based HOG detector underperforms due to unfavorable light conditions. BUTD underperforms due to the hyperbolic depth resolution loss of kinect data. Center: Evaluation of BUTD and HOD11 in the Kinect adequate playspace limited to 2.5m. Both approaches have very similar performance. Right: Numbers of scales tested per image with the HOD method and an uninformed HOD method (denoted HOD $^{-}$). Scale-space search is accelerated by a factor of 3.
由于Kinect RGB相机会自动延长快门时间以生成更亮的图像。阳光直射的背景区域会导致图像区域过饱和、对比度变差。这些现象也会导致AH方法失效，因为该方法使用的Haar小波对光照变化的鲁棒性较差。实验结果表明，我们需要能够在比纯视觉检测方法适用范围更广的条件下工作的人体检测系统，这也推动了深度信息在该任务中的应用。
同样重要的是将几何方法与基于图像的技术进行对比。因此我们将HOD11方法与BUTD [^5]进行对比评估，BUTD是一款针对稀疏三维数据（例如Velodyne传感器获取的点云）的三维人体检测器。实验结果略偏向HOD11，其等错误率（EER）为72%（见图5中部）。可以看到BUTD的性能是平缓下降的，它在召回率达到不错的53%时，仍能实现98%的极高精度。但BUTD是一种高度依赖形状信息的技术，因此当距离传感器较远时，分辨率下降会损害其性能。具体来说，BUTD的距离图像分割算法在粗量化深度数据上效果不佳。不过在深度分辨率几乎恒定的近距离区域，两种检测器性能相近，EER约为86%（见图5中部）。这一结果证明，当数据质量满足要求时，基于形状的方法是适用的。
我们还对HOD检测器的计算性能进行了评估，结果见图5顶部。我们对比了两种方法单幅图像的处理尺度数量：一种是采用信息型尺度空间搜索的HOD，另一种是常规非信息型HOD方法（记为$HOD^{-}$）。$HOD^{-}$采用金字塔搜索，无论图像内容如何都按5%的增量改变尺度，这与HOD不同，HOD的尺度是深度的函数，会随每幅新的深度图像发生变化。我们发现，在整个数据集的所有图像中，搜索的尺度总数量几乎减少了三分之二。这使得HOD相比$HOD^{-}$单幅图像的处理速度提升了约两倍，结果见图5右侧。该算法已在GPU上完整实现，该实现可以在英伟达GTX480显卡上实时处理Kinect RGB-D数据流（30 fps下的 $2 \times 640 \times 480$像素）。
最后，与所有其他技术相比，本文提出的Combo-HOD检测器性能最优。Combo-HOD在图5中取得了最高的EER，达到85%。这说明结合使用RGB-D数据提供的深度信息和图像信息，拓宽了人体检测能够可靠工作的条件范围。多模态信息有助于处理单特征检测器无法应对场景中的人体检测任务。
Combo-HOD检测器的定性结果如图6所示。该图展示了在不同距离、不同程度部分遮挡以及不同视觉杂波条件下检测到的多个人体目标。
### V. 结论
本文提出了Combo-HOD，这是一种用于在RGB-D数据中检测行人的全新方法。我们阐述了实验所用传感器Kinect的数据特征的核心见解，这些见解指导了本文所提方法的开发。HOD全称为Histogram of Oriented Depths，即方向深度直方图，可对深度变化的方向进行局部编码，并依托结合深度信息的尺度空间搜索，将检测过程加速三倍。我们随后将该方法与视觉HOG结合，提出了Combo-HOD检测器，该检测器同时以深度数据和RGB数据作为感知线索。最终得到的行人检测器在将近四倍于传感器厂商规定工作空间的范围内，可达到85%的等错误率（Equal Error Rate）。我们进一步开展了对比实验，分析深度数据相对纯视觉方法的贡献，以及基于形状的三维方法的性能。Combo-HOD在图形卡实现上可达到30 fps的运行速度，同时性能优于所有其他检测方法。
---
Fig. 6. Qualitative results of people detection in RGB-D data with the Combo-HOD detector. People are detected at several ranges at varying partial occlusions and in different visual and depth clutter. False negatives occur when in both sensor modalities the data are challenging, false positives are found when visual and depth clutter occur simultaneously. In the third column, the detector is able to find a person even though no depth data are available. Note that the method neither relies on background learning nor on a ground plane assumptions.
## 致谢
本研究得到德国研究基金会（DFG）项目编号SFB/TR-8的资助。
## 参考文献
[^1]: D. Schulz, W. Burgard, D. Fox, and A. Cremers, “People tracking with a mobile robot using sample-based joint probabilistic data association filters,” International Journal of Robotics Research (IJRR), vol. 22, no. 2, pp. 99–116, 2003.
[^2]: K. O. Arras, O. Martínez Mozos, and W. Burgard, “Using boosted features for the detection of people in 2d range data,” in Proc. of the Int. Conf. on Robotics & Automation, 2007.
[^3]: L. Navarro-Serment, C. Mertz, and M. Hebert, “Pedestrian detection and tracking using three-dimensional LADAR data,” in Int. Conf on Field and Service Robotics (FSR), 2009.
[^4]: M. Bajracharya, B. Moghaddam, A. Howard, S. Brennan, and L. Matthies, “Results from a real-time stereo-based pedestrian detection system on a moving vehicle,” in Wshop on People Det. and Tracking, IEEE ICRA, 2009.
[^5]: L. Spinello, M. Luber, and K. O. Arras, “Tracking people in 3D using a bottom-up top-down people detector,” in Proc. of the Int. Conf. on Robotics & Automation (ICRA), 2011.
[^6]: N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," in Proc. of the IEEE Conf. on Comp. Vis. and Pat. Rec. (CVPR), 2005.
[^7]: B. Leibe, E. Seemann, and B. Schiele, “Pedestrian detection in crowded scenes,” in Proc. of the IEEE Conf. on Comp. Vis. and Pat. Rec. (CVPR), 2005.
[^8]: P. Felzenszwalb, D. McAllester, and D. Ramanan, “A discriminatively trained, multiscale, deformable part model,” in Proc. of the IEEE Conf. on Comp. Vis. and Pat. Rec. (CVPR), 2008.
[^9]: M. Enzweiler and D. Gavrila, “Monocular pedestrian detection: Survey and experiments,” IEEE Trans. on Pat. An. and Mach. Intell. (PAMI), vol. 31, no. 12, pp. 2179–2195, 2009.
[^10]: P. Dollar, C. Wojek, B. Schiele, and P. Perona, “Pedestrian detection: A benchmark,” in Proc. of the IEEE Conf. on Comp. Vis. and Pat. Rec. (CVPR), Miami Beach, USA, 2009.
[^11]: L. Spine, "Multiclass murit" comments,"
[^12]: M. Enzweiler, A. Eigenstetter, B. Schiele, and D. Gavrila, “Multi-cue pedestrian classification with partial occlusion handling,” in Proc. of the IEEE Conf. on Comp. Vis. and Pat. Rec. (CVPR), 2010.
[^13]: S. Ikemura and H. Fujiyoshi, “Real-time human detection using relational depth similarity features.”
[^14]: F. C. Crow, “Summed-area tables for texture mapping,” SIGGRAPH Comput. Graph., vol. 18, pp. 207–212, January 1984.
[^15]: P. Viola and M. Jones, “Robust real-time object detection,” in Int. Journ. of Comp. Vis., vol. 57, no. 2, 2004, pp. 137–154.
[^16]: R. Szeliski, Computer Vision: Algorithms and Applications. Springer, 2011.
[^17]: M. Quigley, K. Conley, B. P. Gerkey, J. Faust, T. Foote, J. Leibs, R. Wheeler, and A. Y. Ng, “Ros: an open-source robot operating system,” in ICRA Wshop Open Source Soft., 2009.
[^18]: Xbox 360 Kinect Sensor Manual. Microsoft. Oct 2010.
[^19]: J. C. Platt, “Probabilities for SV Machines,” Advances in Large-Margin Classifiers, pp. 61–74, 2000.