{
  "paper_id": "6538cdeb89c550df3d3d4959a0bc9a82",
  "paper_title": "People Detection in RGB-D Data",
  "paper_authors": [
    "Luciano Spinello",
    "Kai O. Arras"
  ],
  "publication_date": "",
  "publication_venue": "2011 IEEE/RSJ International Conference on Intelligent Robots and Systems",
  "abstract": "People detection is a key issue for robots and intelligent systems sharing a space with people. Previous works have used cameras and 2D or 3D range finders for this task. In this paper, we present a novel people detection approach for RGB-D data. We take inspiration from the Histogram of Oriented Gradients (HOG) detector to design a robust method to detect people in dense depth data, called Histogram of Oriented Depths (HOD). HOD locally encodes the direction of depth changes and relies on an depth-informed scale-space search that leads to a 3-fold acceleration of the detection process. We then propose Combo-HOD, a RGB-D detector that probabilistically combines HOD and HOG. The experiments include a comprehensive comparison with several alternative detection approaches including visual HOG, several variants of HOD, a geometric person detector for 3D point clouds, and an Haar-based AdaBoost detector. With an equal error rate of 85% in a range up to 8m, the results demonstrate the robustness of HOD and Combo-HOD on a real-world data set collected with a Kinect sensor in a populated indoor environment.",
  "keywords": [
    "people detection",
    "RGB-D",
    "Histogram of Oriented Depths",
    "HOG",
    "depth data",
    "Kinect",
    "scale-space search",
    "multi-modal fusion"
  ],
  "paper_institutions": [],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:26.120150Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对机器人和智能系统与人共享空间时的行人检测问题，提出了一种新颖的基于RGB-D数据的行人检测方法。作者首先分析了Kinect传感器的深度特性，指出其深度分辨率随距离呈双曲性下降，导致远距离处几何信息严重退化。受视觉HOG检测器启发，设计了基于密集深度数据的方向深度直方图（HOD）检测器，局部编码深度变化方向，并利用基于深度信息的尺度空间搜索（通过积分张量实现O(1)的尺度兼容性测试），将检测加速约3倍。随后，提出Combo-HOD，通过概率融合（基于Platt标定和信息滤波）HOD与视觉HOG的输出，利用RGB和深度两种模态的优势。实验在真实室内环境（大学食堂大厅，含1648个标注实例、1088帧）中采集的数据集上进行，比较了多种基线方法（视觉HOG、不同预处理和量化版本的HOD、几何点云检测器BUTD、Haar-AdaBoost）。结果表明：HOD11（11位深度）优于8位版本，其EER达83%；在Kinect推荐工作距离内，HOD与BUTD性能相当；视觉方法受光照影响较大；Combo-HOD达到85%的等错误率（EER），在0-8m范围内优于所有单一模态方法，且GPU实现可实时处理30fps的RGB-D流。进一步探索方向包括在不同场景和更复杂遮挡条件下的鲁棒性，以及多传感器融合的扩展。真实应用场景涵盖服务机器人、智能监控和自动驾驶，需考虑光照变化、深度噪声、遮挡及实时性约束。核心机制包括深度预处理（利用传感器模型将原始深度值转换为公制并通过增益缩放），以及尺度-深度回归模型 s = (F_y * H_m / d) * (1 / H_w) 用于告知尺度搜索。\n### 关键要点\n- 提出HOD（方向深度直方图）检测器，局部编码深度变化方向，采用HOG方式的滑窗检测，适用于密集深度数据。\n- 深度预处理利用传感器标定公式将原始深度值转换为公制深度，乘以增益并缩放，以增强前景背景分离并消除非线性。\n- 设计基于深度信息的尺度空间搜索，通过尺度-深度回归和积分张量实现O(1)的尺度兼容性测试，将检测加速约3倍。\n- 提出Combo-HOD，通过Platt校准将SVM输出映射为概率，并用信息滤波（k=σ_D²/(σ_D²+σ_G²)）融合HOD和HOG的概率，实现RGB-D融合检测。\n- 实验数据集为在食堂大厅采集的1648个行人实例（1088帧），标注了边界框和可见性，并额外收集背景数据集以避免偏差。\n- 评价指标采用精确率-召回率和等错误率（EER），检测匹配要求边界框重叠超过40%，部分遮挡样本不参与奖惩。\n- HOD11（11位深度）在所有预处理下均优于HOD8（8位），最佳预处理是物理模型变换，HOD11的EER为83%，HOD8为75%。\n- 视觉HOG和Haar-AdaBoost因光照不利分别只达到73%和13%的EER，明显逊于基于深度的方法。\n- 与几何检测器BUTD的比较显示，在近距离（≤2.5m）两者EER约86%，在远距离（可达8m）HOD11更优（EER 72% vs BUTD 72%？实际HOD11在远距离更优），表明形状方法对深度分辨率敏感。\n- 使用深度信息引导的尺度搜索将每帧测试的尺度数减少近3倍，GPU实现（Nvidia GTX480）可实时处理30fps的RGB-D流。\n- Combo-HOD通过融合深度和视觉信息达到85%的EER，优于所有单个模态方法，在任意单模态失败时仍能工作。\n- 方法不依赖背景学习和地面平面假设，适用于无先验环境的检测，但远距离时深度缺失（红外吸收表面）仍可能造成漏检。"
}