張舜堯

摘 要 近些年，車載環(huán)境下的實時行人檢測技術獲得了廣泛的關注，是智能車輛領域及計算機視覺的一個重要研究方向。基于側(cè)面行人特征的實時行人檢測預警系統(tǒng)的提出，是針對重特大交通事故中的行人保護問題。預警模塊及檢測模塊構(gòu)成了系統(tǒng)，檢測模塊通過側(cè)面行人樣本庫完成行人特征的提取及檢測，得到一個具有低誤檢率及高檢測率的結(jié)果，同時應用快速窗口掃描算法及窗口拆分法提升檢測效率。文章針對車載環(huán)境下實時行人檢測模型的構(gòu)建進行研究。

關鍵詞 行人檢測技術；車載化境；模型構(gòu)建

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）181-0031-02

通過利用計算機視覺相關技術，判斷視頻中是否存在行人，分析架設在車輛上的攝像機得到的視頻，假設存在行人給出其確切的位置，這就是車載視覺系統(tǒng)中的行人檢測。作為智能車輛的重要組成部分，車載行人檢測系統(tǒng)可以保證行人的生命財產(chǎn)安全，有效提升駕駛安全性，近些年長期受到了業(yè)界的重視程度。通過著裝、尺度、視角、遮擋、姿態(tài)等，在車載環(huán)境下的實時行人檢測技術，有一些常見的外觀差異問題存在于一般人體檢測中。也具有一些攝像機的自身運動考慮、檢測要求實時、光線變化要求魯棒的難點，這是自身所特有的。

對象識別及感興趣區(qū)域分割這兩大模塊，存在實時性及魯棒性的雙重要求，一般都包含在現(xiàn)有車載環(huán)境下的實時行人檢測系統(tǒng)之中。

1 車載環(huán)境下實時行人檢測模型的構(gòu)建

算法是行人檢測預警系統(tǒng)的核心，特征分析法及模型匹配法是行人檢測算法通常所包含的兩種方法。實用性不強，作為獨立的行人檢測技術，相比較而言，基于特征的行人檢測算法因其自身所具有的優(yōu)勢特色，是當前主要的研究方向。本文模型引入了一種窗口拆分法和引進的上下文掃描算子，使現(xiàn)有的行人算法應用于車載設備成為可能，使原本耗時的算法在車載嵌入式系統(tǒng)上具有可以滿足實時性要求的應用效率。驗證過程及檢測過程是算法所包含的兩個過程。

1.1 行人檢測

1.3 行人驗證

之前的研究是行人檢測中使用最廣泛的特征之一，已經(jīng)成功的用HOG特征來進行物體檢測與識別。但是使用HOG特征只是在對誤報進行篩選，對整幀圖像進行計算是非常耗時的，HOG特征的運算時間就明顯的降低，僅僅是有限的一些窗口需要驗證，是分類檢驗階段。使用SVM分類器及HOG特征驗證之前得到的可能行人區(qū)域。在計算每一個窗口的HOG特征之前，需要先重新將感興趣區(qū)域的窗口轉(zhuǎn)換成為64Pixel×128Pixel。使用已離線訓練好的線性SVM分類器進行檢測前，先將計算完成一個3780維度的特征向量來描述窗口，從而對非行人及行人進行區(qū)分，此過程可以減少誤報。

1.4 分類器及樣本庫

現(xiàn)有的公開樣本庫，不適用針對側(cè)面行人的檢測進行訓練，盡管在各自不同的研究方向上表現(xiàn)出了良好的性能。橫過街道的行人，是行人檢測預警系統(tǒng)的主要應用對象，所以文章采集了側(cè)面行人的樣本庫，使用車載設備在城市街道。此樣本庫就為實時性的提升簡化了條件，是因為場景針對性強，算法的復雜程度相對較小。首先使用基于AdaBoost及Viola方法來完成訓練，是因為需要訓練AdaBoost及SVM兩類不同的分類器。使用了n個20Pixel×40Pixel的正樣本的，是在側(cè)面行人整體樣本的訓練中，為訓練一個級聯(lián)分類器，x個不小于正樣本大小的負樣本。應用LIBLINEAR工具，訓練線性SVM分類器，使用了19 587個負樣本及5 189個64Pixel×128Pixel的正樣本完成訓練。

2 結(jié)論

可以滿足實時性的要求，需借助窗口拆分法及OCS得到的行人檢測系統(tǒng)。在使用了窗口拆分法及OCS之后，促使行人檢測算法在車載實時系統(tǒng)中的應用成為可能，保持了相同級別準確率。未來應當改進快速檢測算法的準確率及效率，繼續(xù)深入研究針對不同工況下的側(cè)面行人的檢測，要和已有的疲勞駕駛系統(tǒng)整合，要在未來的應用中完成車道變線預警的判斷功能，形成一個功能更加完備的車載主動安全輔助系統(tǒng)。

參考文獻

[1]郭愛英，徐美華，冉峰，等.基于CS-SD的車載環(huán)境下實時行人檢測模型[J].交通運輸工程學報，2016（6）：132-139.

[2]王國華，劉瓊，莊家俊.基于局部特征的車載紅外行人檢測方法研究[J].電子學報，2015（7）：1444-1448.

[3]肖德貴，辛晨，張婷，等.顯著性紋理結(jié)構(gòu)特征及車載環(huán)境下的行人檢測[J].軟件學報，2014（3）：675-689.

[4]覃劍，王美華.采用在線高斯模型的行人檢測候選框快速生成方法[J].光學學報，2016（11）：169-179.