{
  "paper_id": "8cc938df0b133b7a9065d600b169d11e",
  "paper_title": "Human Detection in Top-View Depth Image",
  "paper_authors": [
    "Tae-Won Choi",
    "Dae-Hwan Kim",
    "Ki-Hong Kim"
  ],
  "publication_date": "2016-06-02",
  "publication_venue": "Contemporary Engineering Sciences",
  "abstract": "The paper presents an efficient and reliable feature descriptor for human detection in a top-view depth image that uses two statistical values of mean and standard deviation. Human detection performance of our descriptor outperform Rauter that use mean value and Simplified Local Ternary Pattern (SLTP). To evaluate the human detection performance using our descriptor, we capture 559 positive and 2382 negative top-view depth images. We get 98.1% precision and 94.2% recall rates. Run-time performance of our descriptor is reasonably fast. Human detection using the proposed descriptor can be applicable in detecting multiple human and tracking real time in top-view depth images.",
  "keywords": [
    "depth image",
    "feature descriptor",
    "human detection"
  ],
  "paper_institutions": [
    "University of Science & Technology (UST)",
    "Electronics and Telecommunications Research Institute (ETRI)"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:21.845321Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对俯视深度图像中的人体检测问题，提出了一种基于块均值和标准差的新型特征描述子。该问题具有挑战性，因为俯视视角下人体形状变化大、发型干扰多，而现有描述子如SLTP和Rauter在精度或召回率上存在不足。所提方法将检测窗口划分为多个块，分别计算每个块内有效像素（排除零深度误差像素）的均值和标准差，并分别进行L2范数归一化后串联成特征向量，最后用线性支持向量机训练分类器。实验使用自建的559个正样本和2382个负样本的俯视深度图像数据集，其中训练集504正/2144负，测试集55正/238负；在多种块大小和步幅条件下与SLTP和Rauter对比，最佳配置下达到98.1%的精度和94.2%的召回率，且运行时间合理。核心公式为块均值 \\(\\overline{D}_{B}=\\frac{\\sum_{\\mathbf{x}\\in B,\\mathbf{x}\\notin E}D(\\mathbf{x})}{N_{B}-N_{E}}\\) 和标准差 \\(\\overline{S}_{B}=\\sqrt{\\frac{\\sum_{\\mathbf{x}\\in B,\\mathbf{x}\\notin E}D^{2}(\\mathbf{x})}{N_{B}-N_{E}}-\\overline{D}_{B}^{2}}\\)。未来工作将扩展到多人检测与实时跟踪，并适用于嵌入式系统等真实场景，其实用约束包括计算简单、内存小、对光照和背景变化鲁棒。\n### 关键要点\n- 提出的特征描述子使用每个块的均值和标准差两个统计值，有效描述俯视深度图像中的人体形状与边界。\n- 在计算块均值时忽略深度值为零的无效像素，通过 (N_B - N_E) 修正分母，增强鲁棒性。\n- 均值和标准差分别进行L2范数归一化后再串联，避免混合归一化造成分类混淆。\n- 采用线性支持向量机作为分类器，训练和决策速度快。\n- 实验数据集包含559个正样本和2382个负样本的俯视深度图像，训练/测试划分分别为504/2144和55/238。\n- 在6种块大小/步幅配置（12/12,12/6,8/8,8/4,4/4,4/2）下与SLTP和Rauter对比，所提描述子多数情况下精度最高，召回率整体优于对比方法。\n- 最佳精度为98.1%（8/4配置），最佳召回率为94.2%（4/2配置）。\n- 描述子尺寸是块数量的两倍，内存占用小，计算简单。\n- 运行时间性能合理：描述时间与对比方法接近，训练和检测时间随块尺寸增大而增加，但在可接受范围内，适合嵌入式系统。\n- 方法在真实场景中可应用于多人检测和实时跟踪，因为深度图像对光照变化不敏感，背景分割容易。\n- 局限性在于俯视视角下人体形状变化大，发型干扰可能影响检测，但所提描述子通过统计特征缓解该问题。\n- 未来方向包括多目标检测和跟踪，以及进一步优化运行速度以满足更严格的实时需求。"
}