由圖9（a）的比較結果得，HOG檢測算法在旋轉角為（-10°，10°）區間內擁有高檢測率，但隨著旋轉角的增大，檢測率則不斷下降，而RGTHOG檢測算法則在測試旋轉角範圍內保持這良好的識別率。圖9（b）中HOG檢測算法誤檢率在[-45°，45°]範圍低於本文提出的檢測算法。
4 結語
本文提出的RGTHOG檢測算法采用經過RGT變換的具有旋轉不變性的梯度方向直方圖，將直方圖分割處理後將結果按扇區形式組合，並獲得RGTHOG特征描述子組，使用SVM算法建立兩級級聯分類器。通過第二級分類器的實驗數據表明單個RGTHOG特征描述子能有效刻畫出人體特征，在單一人體旋轉角的情況下的正檢測率達94%，人體旋轉角變化在 （-11.25°， 11.25°） 內的情況下的正檢測率不低於90%；RGTHOG特征描述子組在多個角度上具有旋轉不變性，檢測算法的實驗數據表明，待檢圖像在具有旋轉不變性的旋轉角上檢測效果最好。以上測試分類結果驗證了
RGTHOG檢測算法的可行性。使用線性核SVM作為級聯分類器的處理時間較長，對實時應用帶來一定影響，如何提高級聯分類器的處理速度仍有待研究。
參考文獻：
[1]LI X， GONG X， LI T， et al. Automatic pedestrian detection based on video surveillance [J]. Computer Science， 2014， 41（12）： 264-268. （李新江，龔勳，李天瑞，等.麵向視頻監控的自動行人檢測[J].計算機科學，2014，41（12）：264-268.）
[2]DOLLAR P， WOJEK C， SCHIELE B， et al. Pedestrian detection： an evaluation of the state of the art [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012， 34（4）： 743-761.
[3]XU T， HUANG T， TIAN Y. Survey on pedestrian detection technology for onboard vision systems [J]. Journal of Image and Graphics， 2013， 18（4）： 359-367. （許騰，黃鐵軍，田永鴻.車載視覺係統中的行人檢測技術綜述[J].中國圖象圖形學報，2013，18（4）：359-367.）
[4]REILLY V， SOLMAZ B， SHAH M. Shadow Casting Out Of Plane （SCOOP） candidates for human and vehicle detection in aerial imagery [J]. International Journal of Computer Vision， 2013， 101（2）： 350-366.
[5]ANDRILUKA M， SCHNITZSPAN P， MEYER J， et al. Vision based victim detection from unmanned aerial vehicles [C]// Proceedings of the 2000 IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway： IEEE， 2010： 1740-1747.
[6]DALAL N， TRIGGS B. Histograms of oriented gradients for human detection [C] // CVPR 2005： Proceedings of the 2005 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2005， 1： 886-893.
[7]MU Y， YAN S， LIU Y， et al. Discriminative local binary patterns for human detection in personal album [C] // CVPR 2008： Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2008： 1-8.