雷永俊

【摘 要】基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)，由于其在智能視頻監(jiān)控系統(tǒng)、車(chē)輛輔助駕駛系統(tǒng)、以及智能機(jī)器人等方面的廣泛應(yīng)用，成為當(dāng)前計(jì)算機(jī)視覺(jué)中最為活躍的研究課題。對(duì)行人檢測(cè)相關(guān)專(zhuān)利的發(fā)展歷程進(jìn)行了回顧，結(jié)合專(zhuān)利申請(qǐng)的現(xiàn)狀分析了行人檢測(cè)的主要技術(shù)，并簡(jiǎn)要分析了行人檢測(cè)技術(shù)的發(fā)展趨勢(shì)。

【關(guān)鍵詞】行人檢測(cè)；計(jì)算機(jī)視覺(jué)

【中圖分類(lèi)號(hào)】TP391.4 【文獻(xiàn)標(biāo)志碼】A

一、行人檢測(cè)相關(guān)專(zhuān)利發(fā)展歷程

計(jì)算機(jī)視覺(jué)中的行人檢測(cè)技術(shù)，通俗來(lái)講，是指對(duì)于給定的圖片或視頻幀，計(jì)算機(jī)判斷出圖片或視頻幀中是否包含行人，如果包含行人，給出行人的位置信息。行人檢測(cè)技術(shù)廣泛地應(yīng)用于智能視頻監(jiān)控系統(tǒng)，車(chē)輛輔助駕駛系統(tǒng)，智能機(jī)器人，人體行為分析等領(lǐng)域。由于行人具有多樣性，如人體姿態(tài)各異、著裝多樣變化，同時(shí)場(chǎng)景具有多樣性，如天氣和光線變化、景物遮擋等，使得行人檢測(cè)技術(shù)成為計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)研究熱點(diǎn)和研究難點(diǎn)。

行人檢測(cè)技術(shù)的發(fā)展經(jīng)歷了早期發(fā)展階段和快速發(fā)展階段。最早的行人檢測(cè)專(zhuān)利是US3462692（公開(kāi)于1969年）公開(kāi)的一種行人檢測(cè)系統(tǒng)，其也可以檢測(cè)物體，該系統(tǒng)包括感覺(jué)器，振蕩器，一個(gè)平衡電容橋，補(bǔ)償控制電路等，其中感覺(jué)器是一個(gè)導(dǎo)電平板，其通過(guò)行人或者物體處于導(dǎo)電平板上，與地面之間形成的電容值導(dǎo)致平衡電容橋不平衡來(lái)檢測(cè)行人或者物體的存在。JPH10247297A（公開(kāi)于1998年）公開(kāi)一種行人檢測(cè)器，其通過(guò)一對(duì)相機(jī)采集斑馬線區(qū)域的圖像并輸出圖像信號(hào)，處理單元將所述圖像信號(hào)進(jìn)行傅立葉變換，通過(guò)對(duì)傅立葉變換后的擴(kuò)展頻譜檢測(cè)確定行人是否存在。這些專(zhuān)利可以視為早期的行人檢測(cè)，特別是JPH10247297A，已經(jīng)具備了計(jì)算機(jī)視覺(jué)中行人檢測(cè)技術(shù)的雛形，其處理單元處理的信號(hào)為圖像信號(hào)，經(jīng)過(guò)對(duì)圖像信號(hào)的處理進(jìn)而判斷是否有行人。

隨著時(shí)間的推移，計(jì)算機(jī)的性能有了很大的提高，當(dāng)其可以處理如圖像這樣的大規(guī)模數(shù)據(jù)時(shí)，計(jì)算機(jī)視覺(jué)才得到了正式的關(guān)注和發(fā)展，進(jìn)而作為其一個(gè)重要分支的行人檢測(cè)也得到了相應(yīng)的關(guān)注和發(fā)展。這可以從行人檢測(cè)的專(zhuān)利申請(qǐng)量的快速遞增中得以充分的體現(xiàn)。計(jì)算機(jī)視覺(jué)中的行人檢測(cè)技術(shù)在2000年以后逐漸從早期階段進(jìn)入了發(fā)展階段，特別是在2010年以后進(jìn)入了快速發(fā)展階段，相關(guān)的專(zhuān)利申請(qǐng)量逐年遞增。

二、行人檢測(cè)中的分類(lèi)技術(shù)

現(xiàn)有行人檢測(cè)方法有多種分類(lèi)方式，有的將行人檢測(cè)方法分為：基于全局特征的方法，基于人體部件的方法，基于立體視覺(jué)的方法[1]；有的將行人檢測(cè)技術(shù)分為特征提取和目標(biāo)檢測(cè)。每一種分類(lèi)方式都有其如此分類(lèi)的原因。下面針對(duì)第一種分類(lèi)方式中涉及的主要專(zhuān)利技術(shù)進(jìn)行一一介紹。

1.基于全局特征的方法

1）基于小波特征

基于小波特征的方法，主要是基于小波模板概念，將圖像中小波相關(guān)系數(shù)子集定義為目標(biāo)形狀的小波模板，將待檢測(cè)圖像中每個(gè)特定大小的窗口進(jìn)行一定范圍的比例縮放后進(jìn)行小波變換，然后利用支持向量機(jī)檢測(cè)變換的結(jié)果是否與小波模板匹配，進(jìn)而檢測(cè)行人是否存在。典型的專(zhuān)利申請(qǐng)CN101630369 A（公開(kāi)于2010年）公開(kāi)一種基于小波分形特征的行人檢測(cè)方法，該方法具有稠密采樣信息量大的優(yōu)點(diǎn)，又具備稀疏采樣簡(jiǎn)潔性的優(yōu)點(diǎn)；在降低計(jì)算效率的同時(shí)，提高了檢測(cè)率。

2）基于HOG特征

基于HOG特征的方法，刻畫(huà)的是圖像的梯度特征，其是最為廣泛使用和成功的行人特征，可采用積分圖技術(shù)快速計(jì)算。典型專(zhuān)利申請(qǐng)CN102609716 A（公開(kāi)于2012年）公開(kāi)一種基于改進(jìn)的HOG特征和PCA的行人檢測(cè)方法，該方法采用樣本圖像中行人梯度信息集中區(qū)域的HOG特征級(jí)聯(lián)PCA主元分析的特征提取算法來(lái)提取樣本特征；利用訓(xùn)練樣本提取的上述特征訓(xùn)練SVM分類(lèi)器；對(duì)于檢測(cè)樣本利用上述特征提取方法提取特征向量，并利用訓(xùn)練得到的SVM分類(lèi)器進(jìn)行行人檢測(cè)。該方法能夠有效減少訓(xùn)練速度、降低誤檢率和漏報(bào)率。

3）Shapelet特征

Shapelet特征是利用機(jī)器學(xué)習(xí)的方法自動(dòng)得到的特征。典型的專(zhuān)利申請(qǐng)CN104020845 A（公開(kāi)于2014年）公開(kāi)一種基于Shapelet特征的加速度傳感器放置無(wú)關(guān)化運(yùn)動(dòng)識(shí)別方法，通過(guò)處理加速度傳感器的運(yùn)動(dòng)信號(hào)識(shí)別人體運(yùn)動(dòng)。本方法分為數(shù)據(jù)訓(xùn)練和運(yùn)動(dòng)識(shí)別兩個(gè)部分，在數(shù)據(jù)訓(xùn)練部分中首先將原始的三維加速度信號(hào)處理成和放置方式無(wú)關(guān)的一維信號(hào)，然后抽取一維信號(hào)中與放置位置無(wú)關(guān)的Shapelet特征，建立識(shí)別模型；在運(yùn)動(dòng)識(shí)別部分中對(duì)實(shí)時(shí)采集的三維加速度信號(hào)進(jìn)行處理得到和放置方式無(wú)關(guān)的一維信號(hào)，然后利用數(shù)據(jù)訓(xùn)練部分訓(xùn)練出的識(shí)別模型識(shí)別出運(yùn)動(dòng)。該方法可提供準(zhǔn)確的運(yùn)動(dòng)識(shí)別結(jié)果。

4）輪廓模板特征

基于輪廓模板特征的方法是利用圖像中行人的輪廓構(gòu)建模板，通過(guò)模板匹配來(lái)檢測(cè)是否有行人。優(yōu)點(diǎn)檢測(cè)方法簡(jiǎn)單，缺點(diǎn)需要大量的模板才能取得好的檢測(cè)效果。典型的專(zhuān)利申請(qǐng)CN105678347 A（公開(kāi)于2016年）公開(kāi)了一種行人檢測(cè)方法及裝置，解決了相關(guān)技術(shù)中對(duì)行人進(jìn)行檢測(cè)的方法沒(méi)有考慮到目標(biāo)邊緣的邊緣圖導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，進(jìn)而達(dá)到了檢測(cè)結(jié)果較為準(zhǔn)確的效果。

2.基于人體部件的方法

基于人體部件的方法是把人體分為幾個(gè)部分，對(duì)每個(gè)部分分別進(jìn)行檢測(cè)，然后將檢測(cè)結(jié)果進(jìn)行整合，來(lái)判斷是否有行人。典型的專(zhuān)利申請(qǐng)為CN104361327 A（公開(kāi)于2015年）公開(kāi)了一種行人檢測(cè)方法，對(duì)采集到的圖像進(jìn)行頭肩檢測(cè)、人臉檢測(cè)以及全人檢測(cè)，可以得到正面頭肩、背面頭肩或者側(cè)面頭肩的特征、正面全人特征信息、背面全人特征信息以及左側(cè)全人特征信息和右側(cè)全人特征信息中的一個(gè)或多個(gè)，這樣，對(duì)于人臉遮擋或偽裝的目標(biāo)行人，也可以獲得正面、背面和側(cè)面頭肩特征、以及多個(gè)角度的全人特征，對(duì)于實(shí)時(shí)處理違法行為以及事后分析都會(huì)有很大的幫助，可以極大減少相關(guān)人員的后繼工作量?？朔爽F(xiàn)有技術(shù)中基于人臉檢測(cè)的人員卡口系統(tǒng)的缺陷，不但適應(yīng)正面人臉檢測(cè)，還進(jìn)行背面和側(cè)面的行人檢測(cè)，一個(gè)人的人臉快照加上全人快照就基本包含了一個(gè)人的全部信息，便于后期進(jìn)行一些深入分析。

3.基于立體視覺(jué)的方法

基于立體視覺(jué)的方法，是根據(jù)立體場(chǎng)景信息，估算出地面后結(jié)合身高約束或者根據(jù)深度圖進(jìn)行分割檢測(cè)，其優(yōu)點(diǎn)是對(duì)環(huán)境變換的魯棒性高，缺點(diǎn)是計(jì)算速度較慢。典型專(zhuān)利申請(qǐng)為CN103020606 A（公開(kāi)于2013年）公開(kāi)了一種基于雙層時(shí)空上下文信息的行人檢測(cè)方法。該方法是在基于表觀特征的基礎(chǔ)行人檢測(cè)器基礎(chǔ)上，自動(dòng)提取與行人檢測(cè)相關(guān)的雙層時(shí)空上下文信息，并利用時(shí)空上下文模型對(duì)表觀特征和雙層時(shí)空上下文信息進(jìn)行結(jié)合。通過(guò)引入雙層時(shí)空上下文信息，有效的解決了復(fù)雜背景和局部遮擋對(duì)檢測(cè)性能的影響，提高了行人檢測(cè)的召回率和檢測(cè)精度。

三、總結(jié)

本文回顧了計(jì)算機(jī)視覺(jué)中行人檢測(cè)專(zhuān)利技術(shù)的發(fā)展歷程，結(jié)合專(zhuān)利申請(qǐng)的現(xiàn)狀分析了行人檢測(cè)的主要分類(lèi)技術(shù)專(zhuān)利，特別是針對(duì)全局特征的方法進(jìn)行比較詳細(xì)的分析。由以上分析可知，上述各個(gè)行人檢測(cè)方法均有優(yōu)缺點(diǎn)，因此未來(lái)行人檢測(cè)技術(shù)的發(fā)展趨勢(shì)將是：多種檢測(cè)方式融合，使得行人檢測(cè)準(zhǔn)確率高，實(shí)時(shí)性好，對(duì)環(huán)境的魯棒性高，檢出效率高。

【參考文獻(xiàn)】

[1]張春鳳，宋加濤，王萬(wàn)良，行人檢測(cè)技術(shù)研究綜述[J].電視技術(shù)，2014， 38（3）.