張?zhí)煸?/p>

為提高城市交通環(huán)境下車輛的主動安全性，減少交通事故，保障行人的安全，很多國內(nèi)外的科研院機構(gòu)都對行人保護技術(shù)進行了研究，意在開發(fā)出一種車載行人保護系統(tǒng)，就是利用安裝在車輛上的攝像機檢測出行人，從而預測出潛在的危險以便采取相應策略保護行人。其中涉及到的相關技術(shù)包括行人的目標分割、特征提取等。

【關鍵詞】行人檢測 目標分割 特征提取

行人是城市交通的主要參與者，保障行人的安全也就成為了建設城市交通系統(tǒng)的首要目標。車載行人保護系統(tǒng)就是要利用安裝在車輛上的攝像機獲取車輛前方的視頻信息，然后從拍攝到的視頻畫面中檢測出行人的準確位置，預測出潛在危險，發(fā)出相應的預警信息或是采取相應保護措施，其核心技術(shù)是行人檢測，即在運動攝像機下快速而準確地檢測出行人。

1 行人檢測中存在的難點

行人檢測就是把車載攝像機拍攝的視頻畫面中出現(xiàn)的行人從背景中分割出來，并進行精確定位。在目前的視覺領域當中，行人檢測面臨以下難點：

1.1 行人出現(xiàn)背景的多樣性

行人出現(xiàn)的場景具有多樣性，有的雜亂無章，有的光線昏暗，而且行人與行人、行人與環(huán)境之間還會相互遮擋，這都給行人特征提取帶來很大干擾。

1.2 行人的靈活性

行人有不同的姿態(tài)，可能在行走，也可能站著不動，還有可能隨時改變運動方向，這樣在檢測行人的時候只使用一種模型或一個特征就遠遠不夠。

1.3 行人服飾的多樣性

由于行人服飾在顏色和款式上多種多樣，這就給使用顏色特征分類技術(shù)進行行人檢測帶來諸多困難。

1.4 運動的環(huán)境

車載行人檢測系統(tǒng)是隨著車輛一起移動的，拍攝到的視頻背景也就跟著隨時改變，這也就加大了行人檢測的難度。

2 行人檢測的相關技術(shù)

目前進行行人檢測的技術(shù)一般分為基于視頻和基于圖像兩個方向，行人檢測系統(tǒng)一般包括傳感器、目標分割、特征提取、分類檢測等模塊。首先通過傳感器獲得車輛前方的圖像信息，并對這些信息做預處理（如降噪、增強等）；然后用圖像分割、模型提取等一些圖像處理技術(shù)在獲得的圖像中選取一些感興趣的區(qū)域（Regions of Interest），即行人的候選區(qū)域，再應用分類等技術(shù)判斷候選區(qū)域中是否包含行人；最后對含有行人的區(qū)域進行跟蹤，得到行人的運動軌跡，并判斷行人是否會和車輛發(fā)生碰撞，對可能發(fā)生碰撞的情況進行報警或者進行一些避免碰撞的操作。

2.1 傳感器

傳感器用來捕獲行人及其所處環(huán)境的信息，一個高性能的傳感器能及時、準確、可靠地獲取行人和環(huán)境信息。目前用于行人檢測技術(shù)的傳感器主要有機器視覺（立體視覺、單目視覺）傳感器、紅外成像傳感器、微波雷達傳感器和激光傳感器等， 每種傳感技術(shù)都有其各自的特點，都能對車輛周邊環(huán)境進行探測， 以獲取行人及其所處環(huán)境的信息。

2.2 感興趣區(qū)域提取技術(shù)

通過傳感器獲得相關視頻和圖像信息后，還需要提取出行人可能存在的區(qū)域，也就是感興趣區(qū)域。感興趣區(qū)域的提取算法有多種，包括基于圖像特征的感興趣區(qū)域提取法、閾值分割法，邊緣檢測法等?；趫D像特征的算法又分為：

2.2.1 顏色分割算法

根據(jù)行人所特有的一些顏色特征來定位并提取行人可能存在的區(qū)域?？紤]到行人的服飾顏色千變?nèi)f化，只有膚色是相對穩(wěn)定的，并且目前人臉識別技術(shù)已經(jīng)廣泛用于各類拍照軟件，相對比較成熟，因此可以根據(jù)行人的臉和其他裸露的皮膚進行感興趣區(qū)域提取。

2.2.2 圖像灰度分割算法

根據(jù)行人所處的背景的灰度來剔除背景并提取行人可能存在的區(qū)域。大多數(shù)情況下，行人所處的環(huán)境都是馬路、綠化帶、天空或者路面，這些環(huán)境相對于行人的形狀、顏色等特征，灰度值要穩(wěn)定均勻得多，可以引入基于灰度的圖像分割方法，將行人所處的背景剔除掉，從而提高檢的測速度和精度。

2.3 行人特征提取算法

行人特征一般有物理特征和抽象特征。其中物理特征就是肉眼可以觀察到的行人外觀所表現(xiàn)出來的特征，分為外形特征（行人的形狀、尺寸、膚色等）和運動特征（行人在行走和跑動過程中表現(xiàn)出來的變化和規(guī)律）。而抽象特征既可以用來表示外觀特征，也可以描述運動特征。

由于每種特征都有其自身的優(yōu)點及局限性，只使用一種特征檢測行人時，往往效果不太理想。比如利用外形特征提取的行人信息時，受背景因素影響較大；而利用運動特征，則需要對幀圖形分析處理，且靜止或者運動幅度較小或特征不明顯的行人信息就很難提取。因此，很多研究者將多種特征利用一定的規(guī)則融合起來進行行人檢測，實現(xiàn)各種特征的優(yōu)勢互補，提高了檢測性能。

2.4 行人分類算法

在進行行人檢測時，實時性至關重要，如果不能及時有效的檢測出行人，做出相應判斷及措施，行人檢測系統(tǒng)將失去意義，因此，行人檢測所選擇的方法要求迅速和準確。比起模板匹配方法和場景3D建模方法，分類檢測方法無論是速度還是性能，效果都好很多，因此在進行行人檢測時大多都選擇分類算法。目前常用的行人檢測分類器主要有各種類型的神經(jīng)網(wǎng)絡、支持向量機（Support Vector Machine）以及其他基于統(tǒng)計的學習分類器（如Adaboost、串聯(lián)分類器）等。不同的分類器代表了不同的分類思想，但其最終目的都是為了將待測圖像中的行人提取出來，都需要解決如下問題：

（1）行人檢測要求有較高的實時性，而待檢圖像中需要分析的區(qū)域數(shù)量比較大，這就要求分類器有較快的檢測速度。

（2）相對于所處的環(huán)境，行人在實際檢測場景中只占很小的比例。

（3）行人檢測系統(tǒng)除要求有較快的檢測速度外，還要有較高的準確率，誤報率和漏報率都不宜過高。

每種分類器都有其自身的優(yōu)勢，同時也存在著不足，問題的關鍵不在于選擇哪種分類器，而是要充分理解各種分類器算法的設計思想，提取各種分類器技術(shù)中的優(yōu)勢部分進行融合，對分類算法進行優(yōu)化，提高檢測的準確率和速率，實現(xiàn)最佳的行人檢測效果。

3 總結(jié)展望

由于行人檢測問題其自身的難點所在，目前行人檢測算法的速率和準確率都還達不到實際應用的要求，但相信隨著計算機科學技術(shù)的發(fā)展，算法的不斷改進，檢測技術(shù)的不斷提升，識別和檢測的精度會越來越高，處理的速度也會越來越快，一個能夠?qū)崟r有效地檢測出車輛前方行人并做出預警處理的車載行人檢測系統(tǒng)將會真正成為可商用的智能交通中的重要一員。

參考文獻

[1]許言午，曹先彬，喬紅.行人檢測系統(tǒng)研究新進展及關鍵技術(shù)展望[J].電子學報，2008，36（05）：962-968.

[2]郭烈.基于單目視覺的車輛前方行人檢測技術(shù)研究.吉林大學博士學位論文，2007.

作者單位

廈門軟件職業(yè)技術(shù)學院 福建省廈門市 361024