夜間行人檢測技術(shù)的研究現(xiàn)狀

林金奕

[摘要]隨著生活水平的不斷提高以及汽車技術(shù)的不斷進步，城市交通安全成為不容忽視的影響生存的問題之一。大量數(shù)據(jù)表明，交通事故夜間發(fā)生率較高，且傷情嚴重，行人安全岌岌可危。因此，以行人檢測技術(shù)來輔助駕駛員，緩解駕車疲勞或光線不足產(chǎn)生的視線模糊，提高夜間駕車過程中對行人的識別率，成為國內(nèi)外檢測技術(shù)應(yīng)用研究的熱點之一。文章從夜間行人檢測技術(shù)的社會價值、研究現(xiàn)狀入手進行分析，提出現(xiàn)存問題，為今后深入研究該領(lǐng)域技術(shù)奠定基礎(chǔ)。

[關(guān)鍵詞]行人檢測；夜間行車安全；社會價值

[DOI]1013939/jcnkizgsc201615045

隨著人們生活水平的不斷提高，汽車已成為我國代步工具中的一大種類。據(jù)國家公安部通報，2013年，全國汽車增加1651萬輛、駕駛?cè)嗽黾?790萬人。方便之余，隨之而來的交通安全問題，卻成為威脅人們生命的不可忽視的關(guān)鍵。據(jù)交通部透露，交通事故在夜間行車中發(fā)生的概率較高。有數(shù)據(jù)顯示，雖然40%左右的交通事故在夜間發(fā)生，但卻有高達60%的事故死亡率。由此可見，夜間行車的危險指數(shù)遠遠高于白天行車。因此，夜間行車安全應(yīng)該得到更多的重視。

1夜間行人檢測研究的社會價值

產(chǎn)生夜間行車安全問題的因素[1]主要有兩個：其一，也是夜間交通事故發(fā)生的主要原因，是由于夜間光線較暗，駕駛員視角窄，視線模糊，不能準(zhǔn)確地對路況進行預(yù)判，對潛在危險的處理滯后；其二，根據(jù)人體生物鐘規(guī)律變化，夜間駕駛員身體的各方面機能都有明顯下降，加之行車過程視覺效果不好，可依賴的條件少，為了準(zhǔn)確、快速地對速度和距離進行判斷，行車過程中駕駛員必須注意力高度集中，更容易產(chǎn)生緊張情緒，易疲勞。而中國城市人口密集度高，行人、自行車、電動車交錯穿行，機動車駕駛員稍有不慎，就容易產(chǎn)生碰撞沖突，造成事故傷亡。針對中國交通現(xiàn)狀的需求，充分利用汽車安全輔助駕駛技術(shù)對路面行人情況進行全面、正確的判斷和分析，緩解汽車駕駛員視覺范圍有限、精力有限的缺點，是提高我國安全行車系數(shù)的重要保障。

近年來，國內(nèi)外很多學(xué)者高度關(guān)注智能視覺監(jiān)控領(lǐng)域，在理論知識和實際應(yīng)用兩個方面都取得了一定的進展。行人檢測也因為在此領(lǐng)域有著廣泛的應(yīng)用而備受廣大學(xué)者與研究人員的熱衷。然而，目前的行人檢測技術(shù)尚未達到人們預(yù)期的效果。運動過程中的行人檢測是一項相當(dāng)復(fù)雜的工程，涉及計算機視覺和模式識別，車輛定位技術(shù)，人體形態(tài)學(xué)等諸多學(xué)科，有許多技術(shù)難點有待研究人員攻克。進行行人檢測研究不論在理論研究方面或者實際應(yīng)用方面均具有較高的應(yīng)用價值和經(jīng)濟潛力。

2研究現(xiàn)狀

行人檢測與識別研究開始于20世紀(jì)90年代中期，經(jīng)過大量研究，目前已形成許多可行性方案，為后期的研究人員提供了一系列具有較高參考價值的理論體系和應(yīng)用系統(tǒng)。

21國外研究現(xiàn)狀

目前，國外學(xué)者在行人檢測圖像采集途徑上可分為基于可見光圖像和基于紅外圖像兩種方法。可見，光圖像作為人們?nèi)粘Ｉ钪械某Ｓ脠D像采集手段，受光照程度的影響對圖像中目標(biāo)的識別存在很大的差別，光線不足的條件下，能見距離和能見度會明顯下降，影響正常視頻圖像采集。而紅外成像又稱紅外輻射，利用電磁波強大的“穿透”能力，可以通過黑暗、煙霧等外界因素，形成可見光下看不到的目標(biāo)表面的溫度分布圖，但因為其圖像層次感差、輪廓模糊等缺陷，在日常生活中使用較少。

在行人檢測方法上現(xiàn)有兩大類[2]：第一類是基于視覺傳感器的行人檢測方法，常用的方法有：基于小波和支持向量機的方法、基于運動特征的方法、基于立體視覺的方法、基于形狀信息的方法、基于行人模型的方法等。早期的視覺傳感器系統(tǒng)多借鑒基于靜態(tài)攝像頭的靜態(tài)視覺監(jiān)控技術(shù)，包括圖像處理中的圖像分割、邊緣提取、圖像匹配、光流、運動檢測等技術(shù)及模式識別中的一些簡單分類算法。隨著智能化水平的不斷提高，傳感器也在不斷更新中。目前較為前沿的行人檢測方法是基于立體視覺的方法，即利用多部攝像機作為視覺傳感器，在多方位同時進行圖像采集，得到場景中行人的空間信息，但算法復(fù)雜、計算量大。多數(shù)使用的方法是利用多種傳感器信息融合的技術(shù)。第二類是基于非視覺傳感器的行人檢測方法[3]，常用的方法有：基于激光測距傳感器的方法、基于微波雷達的方法、基于紅外線成像傳感器的方法等。兩類方法均使用廣泛，且結(jié)合適當(dāng)?shù)膱D像預(yù)處理技術(shù)和相關(guān)算法后均能用于夜間行人檢測，為夜間行人檢測的進行奠定了充足的基礎(chǔ)。

現(xiàn)有的行人檢測技術(shù)的兩個主要側(cè)重點分別為運動和形狀。側(cè)重于運動的檢測方法是通過分析運動過程中人體行走的周期頻率來進行行人檢測。行走時，人體呈現(xiàn)出一定周期性的步態(tài)，處理過程中將先待檢測圖像序列的周期性與預(yù)先分析得到的行人步態(tài)的周期性進行對比，就可以判斷出是不是行人。該方法的優(yōu)點在于降低了光線變化和人體紋理產(chǎn)生的影響，但需要經(jīng)過多幀對比才能得出判斷結(jié)果，判斷速度不及時，且只能檢測運動過程中的行人。該方法的典型代表有基于光流法的行人檢測。而側(cè)重于形狀的檢測方法是通過對邊緣、灰度、輪廓等信息的分析檢測，達到對目標(biāo)進行檢測的目的。該方法既能檢測運動的行人，亦能檢測靜止?fàn)顟B(tài)的行人，但易將不是行人的目標(biāo)錯認為行人而產(chǎn)生虛警信息。其典型方法有基于統(tǒng)計分類的方法、基于局部模型的方法和基于模板匹配的方法。但實際工程設(shè)計時，多采用兩種方法同時使用，比如：Viola等人利用AdaBoost算法對人體的類Haar特征進行訓(xùn)練行人檢測器[4]，并融合進行人的外貌特征和肢體運動信息進行檢測，取得了良好效果，在有行人、非機動車和運行汽車的環(huán)境下，能較好地檢測出步行的行人。

此外，利用一些交叉學(xué)科的系統(tǒng)對人體進行建模，通過模型對運動物體進行識別檢測也是目前較可行的方法。國際上現(xiàn)有的可以使用的行人檢測系統(tǒng)[5]主要有：①2004年11月，在第38屆東京車展上，三菱汽車公司（戴姆勒·克萊斯勒旗下）推出的以行人檢測技術(shù)為支撐的三菱扶桑概念車，該車能在不超過150km/h車速的情況下，在多種天氣條件下，對行人作出快速準(zhǔn)確的檢測，為駕駛者提供危險狀況報警，并提供一定的安全應(yīng)急措施；②2006年3月，在第76屆日內(nèi)瓦車展上，雷克薩斯LS460概念車集成了立體視覺近紅線外加激光雷達的行人檢測系統(tǒng)，能夠以30～40km/h的車速，在距離車輛30～50m處檢測出在人行橫道上行走的行人；③2007年4月，在英國倫敦科學(xué)博物館展出的無人駕駛汽車（德國大眾汽車公司研制），能在不超過183米的范圍內(nèi)識別各種交通標(biāo)識，并利用激光攝像機對汽車周圍的行人和道路狀況等障礙進行檢測。

22國內(nèi)研究現(xiàn)狀

我國在行人檢測技術(shù)方面，主要研究靜止攝像機以及圖像采集條件較好的行人檢測，與此同時也在積極摸索運動攝像機情況下及夜間等受自然條件制約場景的行人檢測。國內(nèi)進行行人檢測與跟蹤研究的單位現(xiàn)有：浙江大學(xué)、中山大學(xué)、清華大學(xué)、哈爾濱工業(yè)大學(xué)、廈門大學(xué)、重慶大學(xué)、四川大學(xué)、長安大學(xué)、安徽大學(xué)、武漢理工大學(xué)等。浙江理工大學(xué)的徐振興針對傳統(tǒng)形狀上下文特征在行人檢測中區(qū)域劃分較密的問題改進區(qū)域劃分的方法，并在研究中引入隨機森林分類器和點對比較特征進行行人檢測。[6]蘇州大學(xué)的王寶興在單視點固定攝像頭場景下提出了一種基于局部時空域模型的核密度估計行人檢測算法，在單視點移動攝像頭場景下提出了一種融合目標(biāo)多特征的行人檢測算法，并提出了基于卡爾曼濾波和顯著區(qū)域檢測的行人識別算法[7]用于處理由于高空視頻細節(jié)模糊、背景雜亂等特點所導(dǎo)致的行人分割與識別困難問題。南京理工大學(xué)的陶建峰針對單特征辨識度較低和人體尺度多樣性問題，提出一種多特征融合的行人檢測方法。[8]

3主要存在的問題

近年來，國內(nèi)外學(xué)者在夜間行人檢測與運動跟蹤領(lǐng)域的研究方面取得了一定的進展，但由于學(xué)科技術(shù)發(fā)展水平有限、實驗設(shè)備性能不足、視頻圖像環(huán)境復(fù)雜等各方面因素的限制，至今仍然不能研究出一種方法能夠在各種場景條件下都通用，其中，存在的主要技術(shù)問題有以下幾點：

（1）動態(tài)視頻圖像采集的背景多樣性問題。目前，行人檢測研究多以靜態(tài)背景進行，原因在于動態(tài)場景下檢測目標(biāo)及背景環(huán)境均在不斷變化中，將出現(xiàn)多個不同類型復(fù)雜目標(biāo)的遮擋問題。車身攝像機隨車輛的抖動、偏轉(zhuǎn)會發(fā)生拍攝角度及清晰度的變化，影響行人識別與檢測的準(zhǔn)確率。且對行人檢測系統(tǒng)的魯棒性（即應(yīng)對“突然打擊下”的適應(yīng)能力）提出了更高的要求。

（2）夜間圖像采集的復(fù)雜性問題。首先，夜間光線較弱，圖像灰度值較高，色彩辨析困難，導(dǎo)致干擾因素多，陰影面積大；其次，現(xiàn)有的夜間圖像采集多數(shù)使用紅外線設(shè)備，紅外圖像分辨率低，層次感差，紋理信息少，輪廓模糊，導(dǎo)致夜間行人目標(biāo)的檢測難度更大。因此，目前進行夜間行人檢測的研究項目的比重相對較低。

（3）行人外觀和姿態(tài)的多樣性問題。人體柔韌性強，具有多種形態(tài)，結(jié)合身材和衣著的差異，往往在行人識別檢測中相差甚遠?，F(xiàn)有的行人特征有多種，但要獲得較好的檢測結(jié)果，既受到圖像本身屬性的直接影響，又取決于使用算法的選擇，所以，通常不直接將特定的特征和通用的算法應(yīng)用于行人識別檢測。

（4）行人檢測目標(biāo)的快速準(zhǔn)確判斷。車載嵌入式系統(tǒng)隨著車輛的行駛，行車速度、行車環(huán)境都在不斷變化，相應(yīng)采集到的圖像信息復(fù)雜性高，且計算機運算速度有限，因此，如何快速地對采集到的目標(biāo)進行分割、識別與檢測成為實時檢測系統(tǒng)的一大難題。

參考文獻：

[1]田翠翠基于紅外圖像的夜間行人檢測技術(shù)研究[D].重慶：重慶大學(xué)，2010.

[2]許騰，黃鐵軍，田永鴻車載視覺系統(tǒng)中的行人檢測技術(shù)綜述[J].中國圖像圖形學(xué)報，2013，18（4）：359-367

[3]莊家俊，劉瓊面向輔助駕駛的夜間行人檢測方法[J].華南理工大學(xué)學(xué)報，2012，40（8）：56-62

[4]陳志恒，姜明新基于OpenCV的人臉檢測系統(tǒng)的設(shè)計[J].電子設(shè)計工程，2012，20（10）：182-185

[5]單曉森混合交通中行人檢測方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2011.

[6]徐振興基于機器視覺的行為檢測和跟蹤技術(shù)研究[D].杭州：浙江理工大學(xué)，2012.

[7]王興寶復(fù)雜場景下多姿態(tài)行人檢測與識別方法研究[D].蘇州：蘇州大學(xué)，2012.

[8]陶建峰基于多特征融合的行人檢測方法研究[D].南京：南京理工大學(xué)，2013.