20e colloque GRETSI sur le traitement du signal et des images 6-9 septembre 2005, Louvain-La-Neuve, Belgique. http://www.gretsi2005.org

Abstract This article presents a novel method concerning pedestrian detection, thanks to graph kernels. Nowadays, the pedestrian detection is a hard task, due to the variability of its shape : size and posture. To address this problem, we choose to transform a pedestrian into a graph. The aim of this method consists of extracting a graph from each object (pedestrian or non-pedestrian), contained in a database. We compute the kernel with the inner product between graphs in order to apply a supervised classifier, here the SVMs (Support Vector Machine). We applied this method on a real images database in order to test its efficiency, particularly for scale invariance, and we obtained a good classification rate.

Résumé – Cet article présente une méthode concernant la reconnaissance de piétons à l’aide de graphes et de méthodes à noyaux. La détection du piéton est limitée à cause de la grande variabilité de la forme du piéton : taille, posture. Pour surmonter ce problème, nous avons choisi de le représenter à l’aide d’un graphe. Le but de la méthode est d’extraire le graphe de chaque objet (piétons ou non-piétons) présent dans une base d’images et de calculer un noyau à partir de ces graphes afin d’effectuer un apprentissage supervisé basé sur les SVMs (Séparateurs à Vaste Marge). L’application sur une base d’images réelles nous permet de démontrer l’efficacité de cette méthode, au niveau des invariances en échelle, avec un bon taux de reconnaissance.

@inproceedings{fsuardgretsi05,
author = {Frédéric Suard and Alain Rakotomamonjy and Abdelaziz Bensrhair},
title = {Détection de piétons par stéréovision et noyaux de graphes},
booktitle = {GRETSI05, Louvain-la-Neuve, Belgique},
year = {2005},
pages = {686-686},}