基于车载视觉的行人检测及行为识别

摘 要：为了提高车辆的主动安全性，保证城市交通环境中行人的安全，提出了一种基于小型车辆自动视觉图像传感器的行人自动安全保护系统。利用adadaboost检测算法快速跟踪检测行人，利用卡尔曼高频滤波检测原理实时跟踪检测行人，从而获得其正常运行轨迹。该算法利用离散函数adaboost训练样本的分类哈尔特特征，得到样本被识别为外行的级联模型分类器。由车辆图像视觉系统收集的车辆图像被遍历以获得行人驾驶目标。结合卡尔曼自动滤波原理，自动跟踪自动检测采集的周围行人的兴趣目标区域，建立检测周围行人的各种动态感知和兴趣目标区域。跟踪分析的结果可以用来跟踪和分析驾驶员的汽车行驶轨迹。

关键词：车辆视觉;行人检测;行为识别

1 基于车辆视觉的行人检测和行为识别综述

近年来，为了有效保障汽车行人的安全，提高民用汽车的主动安全保护性能，国内外一些相关研究机构对汽車行人主动保护的安全技术进行了广泛的研究和深入的探讨。在不断完善汽车被动安全系统应用基础的同时，他们也逐渐开发和推广了主动安全保护系统的应用，并结合行人安全保护的新理念和信息技术的发展引入应用，不断提高对行人的安全保护。清华大学江帆提出了一种融合跟踪模型技术的在线行人运动跟踪学习算法，将移动离线模式学习和在线交互模式学习相结合，快速更新跟踪模型。程有龙，中国科技大学等。将交通行人跟踪检测的专业先验技术知识充分融入到自动跟踪检测模型的自动学习和开发过程中，对自动跟踪的交通行人情况进行全程动态跟踪和建模，从而在真实的交通监控工作场景中准确跟踪那些复杂的交通行人。多通道传感器数据信息库的融合和行人监控模型的融合往往需要大量的数据计算和分析参数，难以完全满足大型车辆主动安全事故预警等类似监控系统较高的实时性要求。本文主要利用车载单目行人视觉识别传感器，利用经过训练的行人运动识别器的级联和分类器功能，对站在车辆前方的行人进行实时识别和采集，跟踪其身体运动并记录其高速运动时的轨迹，为前方车辆驾驶员和行人的有效安全预警工作提供重要的技术数据参考。

2 研究过程

BlinkAI Technologies发布了一款名为RoadSight的产品，旨在改善相机在弱光条件下的性能。本公司来源于哈佛大学于麻省理工学院生物医学成像中心的研究成果。RoadSight使用机器学习算法实现了比传统图像信号处理器高500%的照度，从而改善了路边目标检测等计算机视觉任务的挑战场景。布林凯说，这项技术目前正在接受汽车制造商、自动驾驶和传统一流供应商的测试。在过去的几年里，视觉感知性能得到了显著提高。然而，在弱光条件下为算法提供高质量的数据尤其具有挑战性。RoadSight在传感器后面放置了一个“大脑”，以提高相机性能。

在光线不足或其他情况下，人工智能面临两大挑战。首先是在没有足够信号的情况下获取你关心的信息。如何预测是否没有信号或像素？第二个挑战是降低传感器的噪声非常重要，因为你有信号。这两个因素相互影响。例如，电子设备中的热噪声和其他噪声源会破坏信号，这在弱光环境中更为明显。

嘈杂的信号没有你关心的信息，但是人类一直在这样做。我们的眼睛不像一些智能手机摄像头那样对光敏感，但是在黑暗中我们能比视频模式下的智能手机看得更清楚。这不是因为我们接收到更多的光，而是因为我们的大脑能够更好地处理原始的嘈杂信息。借助特殊的神经网络和算法，路虎现在可以完成这项任务。

这项技术来自医学成像领域。布林凯的创始人之一在哈佛医学院做了博士后研究，在那里他领导了重建医学图像的深度学习的发展，例如计算机断层扫描和磁共振成像扫描，它们处理带有噪声的原始数据。那么，同样的技术如何在汽车工业中实现呢？如何衡量图像信号处理器的改进？在什么情况下我们才能获得良好的信噪比？

3 汽车领域的实验分析

BlinkAI做了一个比较方法，将相机的增益增加到一个点，并处理噪声来放大去噪后的图像，使它看起来像一个在明亮场景中的相机。以及如何应对迎面而来的街灯造成的眩光。前置摄像头可以适应环境。这是高动态范围的问题。BlinkAI系统的一个特点是它可以提供HDR函数。此外，布林凯市仍在开发应对雨雪的方法。挑战在于如何在低功耗设备上高效实现这一点。对于自动车辆来说，真正的挑战在于它们有限的计算能力，而且它们可以做得很好。这意味着相机需要在黑暗中看得更清楚，并且空间和成本的限制强调了算法的重要性。因为增加大量传感器是昂贵的，而且对于汽车来说是不可行的。也有一些尺寸限制，例如，严格的汽车摄像头的最大尺寸是1/2英寸，这限制了进一步的信息捕捉。就图像分辨率而言，目前，大多数汽车规格的相机都是100万到200万像素。当然，汽车制造商希望在未来获得更高的分辨率，比如800万到1200万像素，但我们仍然局限于小传感器和更小的每个像素面积。从物理学的角度来看，我们很难得到我们需要的信息。更智能的计算方法使用特定的模式来有效地利用数据中的视觉特征，即使数据并不完全存在，从而获得更高的可靠性。例如，使用智能手机，你可以拍摄星空的美丽照片。BlinkAI是从几个光子或像素推断出来的，但与智能手机的主要区别在于，手机的摄像头通过将曝光时间延长至2至5秒来进行补偿。然而，自动车辆必须在1/30或1/60秒内捕获数据并立即处理。

4 结语

行人检测技术是汽车安全辅助驾驶研究领域的重要组成部分。下一步是在行人检测的基础上分析行人的运动状态和车辆造成的危险程度。如果车辆和行人之间可能发生碰撞，将及时向驾驶员发送警告信息。当驾驶员未能采取有效措施避免碰撞时，系统启动减速或紧急制动，有效保证了行人的安全。实验表明，本文的研究工作还存在一些不足，考虑的因素不全面，受光照条件的影响。下一步将采用CCD孔径自动调整装置来提高白天强光照或暗光照条件下的成像质量，并研究如何提取有效代表和区分行人目标的特征，增加训练样本或改进训练方法。同时，结合红外传感器，研究了夜间行人检测。

参考文献：

[1]刘源.基于车载视觉的行人检测及行为识别[D].电子科技大学，2019.

[2]张天云，张舜尧.基于视觉的车载行人检测保护相关技术[J].电子技术与软件工程，2017（06）：235.

作者简介：周海生（1986-），男，浙江杭州人，本科，研究方向：控制工程。