我們將上面描述的方法和使用立體數據的當前最優方法進行比較。我們用距離圖像進行人體位置的假設。使用RANSAC算法從立體數據中估計地平面的位置，沿著地平線采樣深度信息。利用深度信息和地面坐標，可以計算出包含站在給定位置和距離的地面上的人體的包圍盒。這個計算出的包圍盒大大減少了檢測窗口的數量，從而減少計算量和誤報率。圖4a,4b,4c顯示了C4算法的原始檢測結果，根據立體數據預測的結果以及C4在預測結果上的檢測結果。

?

?

?

圖4 機器人上的檢測示例。(a)C4算法的原始檢測結果，(b)C4結合立體數據的結果，(c)C4結合立體數據處理后的結果。其中的綠線是用立體數據估計的地平面。

在機器人上應用時，C4算法使用了3層節點的級聯分類器而不是原來的2層節點(速度更快但精度低)。默認的檢測流程如下：檢測系統在多尺度空間上進行搜索，每個尺度的每個可能的位置上用分類器判斷是否有行人。在缺乏其他信息的情況下，這是唯一可靠的檢測方法。然而，當有其他信息可用時，我們應該用這些信息來減少搜索窗口的數目，減少誤報率。特別地，我們可以使用從立體攝像機獲得的地平面信息。例如，圖4a顯示了使用C4算法在所有可能的窗口上進行行人檢測的結果，產生了很多冗余窗口，沒有考慮到在某些位置是根本不可能出現人體的這一事實[28]。行人必須站在地面上，根據這一事實可以限制搜索范圍，如圖4b所示的C4加立體數據的結果。然后再過濾多余的包圍盒，即得到處理后的結果，如圖4c(在SectionⅤ-C中有后處理的詳細說明)。

Ⅴ結果

我們在INRIA數據集上做了實驗，在SectionV-A到V-C中討論了C4的速度和精度，在SectionV-D中討論在機器人上的實驗結果。

INRIA數據集中共有2416個正樣本圖片，1218個負樣本原圖。我們去掉樣本中人體四周的像素，將樣本都裁剪成108*36大小。測試時使用暴力搜索查找圖片所有可能的位置是否含有人體，對測試圖像進行0.8倍的連續降采樣，并以步長為2的網格進行掃描。

我們使用Dollar的”Pedestrian detection:A benchmark”(CVPR2009)[2]中的groundtruth和評價標準。檢測到的矩形框Rd和groundtruth的矩形框Rg之間的關系如公式(10)所示則被認為是正確匹配的：

我們同樣遵守[2]中規定的一個groundtruth矩形框最多匹配一個檢測到的矩形框的。

A 檢測速度
C4能夠達到比現有人體檢測算法更高的速度。在640*480的20fps視頻上，使用單核2.8GHz處理器，現有的最快系統(保證有較低的虛警率和較高的檢測率)能達到大約10fps[9]，但它是使用了GPU的并行處理。詳細的對比結果見表1。

實時處理是很多人體檢測應用所必須的特性。我們的系統在一些領域已經可以應用，例如機器人。然而，還有很多可以提升速度的空間，使得C4可以適應更多應用的要求，例如自動駕駛輔助系統。表Ⅱ給出了C4系統中不同模塊的時間花費，這些模塊都對于硬件加速(例如GPU)非常友好。

?

表Ⅱ，各模塊花費時間

不需要顯式地構造Hlin的特征向量并不是使得C4如此快的唯一原因。在INRIA數據集上進行的測試表明，第一級線性分類器Hlin是一個強大的分類器，可以過濾大約99.43%的圖片區域，只有不到0.6%的圖片區域需要HIK核分類器Hhik的處理。C4處理INRIA測試集中的所有圖片用了27.1秒，而HOG檢測器[1]需要2167.5秒(所以C4相對于HOG大約有80倍的加速)。

C4在小分辨率的圖片上速度更快，在480*360的YouTube視頻上速度達到36.3fps，在320*240大小的視頻上能達到109fps。