基于Prescan軟件的行人檢測仿真＊

董永坤 王春香 楊 明

（1.上海交通大學(xué)機(jī)械與動力工程學(xué)院 上海200240；2.上海交通大學(xué)電子信息與電氣工程學(xué)院 上海200240）

0 引 言

我國平均每年有10萬以上的人死于交通事故［1］，所以行人安全問題日趨重要?；谟嬎銠C(jī)視覺的行人檢測由于其在汽車主動安全駕駛系統(tǒng)中的重要實用意義成為當(dāng)前計算機(jī)視覺和智能車輛領(lǐng)域最為活躍的研究課題之一。但是由于行人的衣服顏色和走動姿態(tài)隨機(jī)性很強(qiáng)，所以對行人檢測算法的魯棒性要求很高，并且圖像處理的運(yùn)算量比較大，實時性也是目前行人檢測技術(shù)發(fā)展的一大障礙。

目前典型的行人檢測系統(tǒng)一般包含2大模塊：感興趣區(qū)域分割和目標(biāo)識別。感興趣區(qū)域的分割就為了確定包含待檢測目標(biāo)的窗口區(qū)域，這樣在目標(biāo)識別過程中就不必遍歷整個圖像坐標(biāo)系，同時可以提高行人檢測算法的速度和實時性。常用的興趣區(qū)域分割的方法包括基于距離、基于運(yùn)動、基于圖像特征和基于攝像機(jī)參數(shù)?；诰嚯x的即根據(jù)目標(biāo)到車輛的距離來分割物體，常用傳感器有雷達(dá)和立體視覺，基于運(yùn)動的即檢測場景中的運(yùn)動目標(biāo)，但無法檢測靜止的行人，基于特征的方法不需要額外的傳感器，而是根據(jù)目標(biāo)的邊緣，熵和紋理信息來判斷是否是行人區(qū)域，基于攝相機(jī)參數(shù)即根據(jù)其安裝位置和參數(shù)，對行人出現(xiàn)在圖像中的位置和大小進(jìn)行篩選，但其標(biāo)定結(jié)果會受車體震動的影響。目標(biāo)識別是行人檢測的核心環(huán)節(jié)，包括根據(jù)行人運(yùn)動步態(tài)的識別和根據(jù)行人邊緣、紋理等形狀信息的識別［2］。

目前許多行人檢測算法使用單一攝像頭傳感器，存在數(shù)據(jù)量少、算法復(fù)雜的缺陷，本文使用融合雷達(dá)和攝像頭數(shù)據(jù)的方法，將雷達(dá)數(shù)據(jù)進(jìn)行聚類，將聚類得到的目標(biāo)位置信息根據(jù)聯(lián)合標(biāo)定的結(jié)果投影到圖像坐標(biāo)系，以此作為興趣區(qū)域。然后對興趣區(qū)域進(jìn)行對稱度、腿部垂直邊緣統(tǒng)計和基于Hausdorff距離的模板匹配的分析處理，來判斷是否為行人區(qū)域。

本文的交通環(huán)境，行人和車輛，以及車載傳感器均在Prescan軟件環(huán)境下進(jìn)行建模仿真。Prescan是一款功能豐富的交通仿真軟件，提供了多種交通環(huán)境中出現(xiàn)的模型以及各種能仿真?zhèn)鞲衅鲾?shù)據(jù)的傳感器模型，可搭建常見的路況和建筑，該軟件核心的計算和仿真部分是在simulink中完成的，整個搭建的模型以在simulink中可視并且實時仿真。本文利用simulink自定以模塊添加了自己編寫的行人檢測模塊，放到已經(jīng)搭建的模型中，這樣就可以在實時的仿真過程中檢測行人檢測算法的魯棒性，相比較于真實交通場景中的實驗檢測不僅節(jié)省了時間和投入，更具有安全性。

1 傳感器聯(lián)合標(biāo)定

融合2種傳感器數(shù)據(jù)的基礎(chǔ)是對它們各自坐標(biāo)進(jìn)行聯(lián)合標(biāo)定。對于攝像機(jī)針孔成像線性模型，圖像坐標(biāo)和車輛坐標(biāo)系的關(guān)系可以表述如下。

式中：［uv1］T為圖像齊次坐標(biāo)，［XwYwZw1］T為車輛坐標(biāo)系中的齊次坐標(biāo)，通過標(biāo)定即可得到坐標(biāo)變換的投影矩陣。只要得到雷達(dá)坐標(biāo)系到車輛坐標(biāo)系的變換關(guān)系即可得到2傳感器的坐標(biāo)變換，三者關(guān)系見圖1。

圖1 坐標(biāo)變換關(guān)系Fig.1 Coordinate transformation

本文中將雷達(dá)安置在車輛坐標(biāo)系原點(diǎn)正上方，高度為h，則雷達(dá)坐標(biāo)系與車輛坐標(biāo)系關(guān)系如下

這樣通過這個標(biāo)定過程就可以把雷達(dá)的坐標(biāo)系和圖像坐標(biāo)系通過一個投影變換矩陣聯(lián)系起來

通過標(biāo)定即可求解式中的投影矩陣參數(shù)，這樣就實現(xiàn)了2種傳感器空間上的同步，由于2種傳感器的采集頻率不一定一致，還需要做時間上的同步，即通過航位推算［4］來抵消時間上不同步的誤差。

2 傳感器數(shù)據(jù)處理

傳感器聯(lián)合標(biāo)定，就是為了充分融合各自所包含數(shù)據(jù)信息的優(yōu)勢，雷達(dá)數(shù)據(jù)可獲取深度信息，可實現(xiàn)聚類以提取興趣區(qū)域，將興趣區(qū)域投影到圖像坐標(biāo)系中后，則可以利用圖像信息豐富的特點(diǎn)來做行人檢測。

2.1 雷達(dá)數(shù)據(jù)聚類

激光雷達(dá)數(shù)據(jù)見圖2。

由圖2可見，距離相近的點(diǎn)就可以聚類為一個物體，這樣雷達(dá)數(shù)據(jù)就可以劃分為代表一個個物體的點(diǎn)簇。根據(jù)圖3可以得到計算公式［4］：

圖2 激光雷達(dá)數(shù)據(jù)Fig.2 Data of laser scanner

圖3 計算原理圖Fig.3 Cauculation description

式中：rk為雷達(dá)的第k個數(shù)據(jù)；φ為雷達(dá)的角度分辨率；f即是相鄰2數(shù)據(jù)點(diǎn)的距離，可以看出相鄰量數(shù)據(jù)點(diǎn)距離越大，計算得到的β就越大，這樣可以根據(jù)實驗結(jié)果設(shè)定一個閾值，當(dāng)β大于該閾值則認(rèn)為這2個數(shù)據(jù)點(diǎn)屬于同一個物體，反之亦然。這樣通過這種聚類的方式實現(xiàn)了對雷達(dá)數(shù)據(jù)的聚類。并根據(jù)雷達(dá)的距離和角度計算得到每個物體的邊界位置和中心位置的二位全局坐標(biāo)信息。

2.2 攝像頭數(shù)據(jù)處理

聚類之后得到了每個物體左右邊界的二維坐標(biāo)信息（x1，y1）和（x2，y2），假設(shè)物體高度為2m，把（x1，y1，0）和（x2，y2，2）分別根據(jù)式（3）確定的投影關(guān)系投影到圖像坐標(biāo)系即可得到該物體在圖像中的矩形框范圍，從而確定興趣區(qū)域，見圖4。

圖4 興趣區(qū)域結(jié)果Fig.4 Results of ROI

根據(jù)得到的興趣區(qū)域便可以進(jìn)行進(jìn)一步的處理，包括對稱度分析和垂直邊緣統(tǒng)計、高寬比和基于Hausdorff距離的模板匹配，根據(jù)結(jié)果來判定目標(biāo)區(qū)域是否屬于行人。行人一般具有很強(qiáng)的對稱度特征，并且人體的腿部具有豐富的垂直邊緣，對各種行人進(jìn)行對稱度分析和垂直邊緣統(tǒng)計結(jié)果如圖所示，可以看出人體具有很好的對稱度和腿部垂直邊緣，見圖5。

圖5 對稱度和垂直邊緣分析Fig.5 Analyses of symmetry and vertical edge

2.2.1 Hausdorff距離的模板匹配

Hausdorff距離是描述2組點(diǎn)集之間相似程度的一種度量，它是點(diǎn)集之間距離的一種定義方式［3］，假設(shè)有2組點(diǎn)集A＝｛a1，a2…，an｝和B＝｛b1，b2…，bn｝，則2組點(diǎn)集之間的 Hausdorff距離定義為

其中：‖·‖為定義的A和B2點(diǎn)集間的一種距離范數(shù)。

前面只是給出了Hausdorff距離的數(shù)學(xué)定義，具體到圖像模板匹配的應(yīng)用上，可以針對提取邊緣后的二值圖像來進(jìn)行，把邊緣點(diǎn)當(dāng)作點(diǎn)集，計算出模板和帶匹配圖像的邊緣點(diǎn)之間的距離，以此作為相似度的度量。

2.2.2 Hausdorff距離的改進(jìn)

雖然按定義進(jìn)行的Hausdorff的可以對模板和圖像進(jìn)行匹配，但是它的缺點(diǎn)也很明顯，首先對有向的距離h（A，B）只是去所有點(diǎn)的距離中的最大值，這樣容易受到噪聲的干擾，魯棒性并不好，并且對于一個模板要遍歷圖像來尋找匹配區(qū)域時，要反復(fù)計算模板的每個點(diǎn)和當(dāng)前匹配區(qū)域的點(diǎn)的距離的最小值，這是一個很大的計算量，嚴(yán)重影響了算法的實時性。所以針對以上2點(diǎn)本文使用改進(jìn)和加速的Hausdorff距離算法。

首先對于有向距離h（A，B）不僅是取所有點(diǎn)距離的最大值而是去平均值，這樣就提高了算法的魯棒性

式中：I為帶匹配圖像；M為模板；k為I中所有點(diǎn)的個數(shù)。

對于I每個點(diǎn)都要求取M中和它距離最小的點(diǎn)，并且模板還要遍歷圖像，計算量也很大，所以本文對模板進(jìn)行距離變換，得到原邊緣圖像等尺寸的距離映射圖，每個點(diǎn)的值為它距離最近的邊緣點(diǎn)的距離值，如果該點(diǎn)是邊緣點(diǎn)則其值為0，距離變換定義：

式中：dM（p，q）為p、q2點(diǎn)之間的距離；O為圖像中所有的邊緣點(diǎn)集合［3］。

圖6 距離變換示意圖Fig.6 Diagram of distance transform

本文根據(jù)行人下半身姿態(tài)比上半身相對穩(wěn)定的特點(diǎn)使用行人的上身模板對行人進(jìn)行匹配，對模板距離變換并匹配的結(jié)果見圖7。

3 Prescan中建模和仿真

圖7 Hausdorff距離匹配結(jié)果Fig.7 Results of temple matching

對于行人檢測算法的實驗問題不僅要考慮有效性真實性和成本還要考慮安全性，真實交通場景實驗有一定的危險性，并且不容易找點(diǎn)典型的場景。PRESCAN就提供了一個交通仿真的平臺該軟件中提供了豐富的交通建模的模塊，包括各種路口、可定自已曲率和通道數(shù)目的道路和高架等，還有各種姿態(tài)的行人和車輛，并且可以對車輛進(jìn)行詳細(xì)的動力學(xué)參數(shù)定義和道路軌跡設(shè)定，其次也有用于實現(xiàn)主動安全系統(tǒng)的各種傳感器和相應(yīng)的標(biāo)定板，以及方便GUI建模界面，見圖8。軟件核心仿真過程是在Simulink中完成的，用戶可以在Simulink中對該模型進(jìn)行相應(yīng)的編輯和控制，其中行人檢測算法的模塊就需要在Simulink模型中添加。

圖8 GUI建模效果圖Fig.8 Show of GUI

本文針對行人檢測進(jìn)行建模后，對車輛搭載相應(yīng)的傳感器并完成相應(yīng)的聯(lián)合標(biāo)定，并添加行人的算法模塊后，進(jìn)行仿真結(jié)果見圖9。

圖9 建模和檢測效果圖Fig.9 Modeling and results of detection

4 結(jié)束語

本文提出了一種基于多傳感器融合和Hausdorff距離匹配的行人檢測算法，并通過在PRESCAN仿真平臺中建模，驗證了該算法的良好的檢測效果。但是由于行人各種著裝和附屬物的復(fù)雜性和姿態(tài)的多變性，單一的模板匹配并不能完全滿足實際主動安全系統(tǒng)的魯棒性要求，以后的工作還要進(jìn)一步完善對各種姿態(tài)行人檢測算法的性能。

［1］ 賈慧星，章毓晉.車輛輔助駕駛系統(tǒng)中基于計算機(jī)視覺的行人檢測研究綜述［J］.自動化學(xué)報.2007，33（1）：84－90.

［2］ 劉 強(qiáng)，陸化普.我國道路交通事故特征分析與對策研究［J］.中國安全科學(xué)學(xué)報，2006，16（6）：123－128.

［3］ 邱志敏，李 軍.基于Hausdorff距離的自動目標(biāo)識別算法研究［J］.紅外技術(shù)，2006，28（4）：199－202.

［4］ 錢慧佳，楊 明，王春香，等.一種基于激光雷達(dá)和視覺的行人檢測方法［J］.上海交通大學(xué)學(xué)報，2010，44（7）：946－949.

［5］ 劉大學(xué)，戴 斌，李 政，等.一種單線激光雷達(dá)和可見光攝像機(jī)的標(biāo)定方法［J］.華中科技大學(xué)學(xué)報：自然科學(xué)版，2008，36（S1）：68－71.

［6］ Cur io C，Edelbrunner J，Kalinker T，et al.Walking pedestrian r ecognition［J］.IEEE Transa ctions on Intelligent Tr anspor tation Systems，2000（3）：155－163.

［7］ 蔡 果，劉江鴻，楊降勇，等.城市道路交通中行人安全問題研究［J］.華北科技學(xué)院學(xué)報，2005，2（4）：60－65.

［8］ 邱茂林，馬頌德，李 毅.計算機(jī)視覺中攝像機(jī)定標(biāo)綜述［J］.自動化學(xué)報，2000，26（1）：43－55.

［9］ 郭 烈，王榮本，顧柏園，等.世界智能車輛行人檢測技術(shù)綜述［J］.公路交通科技，2005，22（11）：133－137.

［10］ 魏福祿，曲昭偉，江 晟，等.基于多源信息融合的行人檢測實時性方法研究［J］.交通信息與安全，2012，30（30）：43－45.