嵌入式車載行人檢測(cè)系統(tǒng)的設(shè)計(jì)及應(yīng)用

張舜堯

目前，行人檢測(cè)系統(tǒng)的研發(fā)是計(jì)算機(jī)領(lǐng)域研究特點(diǎn)內(nèi)容，在車載駕駛系統(tǒng)中具有重要的應(yīng)用價(jià)值與意義，能夠通過(guò)檢測(cè)車前的行人并且及時(shí)報(bào)警，駕駛員以此通過(guò)有效的措施保護(hù)行人，以此保證道路交通安全。本文的主要研究?jī)?nèi)容就是設(shè)計(jì)嵌入式車載行人檢測(cè)系統(tǒng)，通過(guò)實(shí)驗(yàn)表明，嵌入式車載行人檢測(cè)系統(tǒng)能夠準(zhǔn)確的檢測(cè)行人，避免駕駛員出現(xiàn)誤判斷的現(xiàn)象，以此保障了行車安全。

【關(guān)鍵詞】嵌入式 行人檢測(cè)系統(tǒng) 設(shè)計(jì)與應(yīng)用

隨著我國(guó)社會(huì)經(jīng)濟(jì)的不斷發(fā)展及技術(shù)的日益更新，我國(guó)汽車市場(chǎng)也逐漸進(jìn)入到飛躍的成長(zhǎng)階段。在汽車保有量不斷增加的過(guò)程中，道路交通事故也逐年上升，為社會(huì)人民的生命財(cái)產(chǎn)帶來(lái)了嚴(yán)重的損失。所以，加強(qiáng)道路交通安全是我國(guó)所要重視的問(wèn)題。如何降低交通事故的發(fā)生機(jī)率，保障行人及車輛的安全也是相關(guān)研究人員要深入探討的問(wèn)題。解決此問(wèn)題的有效方法就是運(yùn)用全新的技術(shù)，實(shí)現(xiàn)車輛的智能化，設(shè)計(jì)輔助駕駛措施，以此提高交通安全。

1 嵌入式車載行人檢測(cè)系統(tǒng)的設(shè)計(jì)方案

由于駕駛員在駕駛的過(guò)程中會(huì)受到多種因素的影響，從而分散自己的注意力，在這種情況下極易發(fā)生交通事故。因素主要包括與乘客聊天、接聽(tīng)電話、過(guò)于疲勞等。但是如果出現(xiàn)上述情況有人能夠提醒駕駛員注意駕車安全，那么就會(huì)降低駕駛員誤判的可能性。所以設(shè)計(jì)研發(fā)車載行人檢測(cè)系統(tǒng)是非常有必要的。圖1為車輛在距離行人一定距離時(shí)候的系統(tǒng)警告提示。

本文中所研究的嵌入式車載行人檢測(cè)系統(tǒng)主要是通過(guò)HOG特征及SVB算法訓(xùn)練行人的不同姿態(tài)，以此形成識(shí)別行人的分類器，通過(guò)嵌入式技術(shù)對(duì)行人進(jìn)行檢測(cè)和確定。

2 嵌入式車載行人檢測(cè)系統(tǒng)的工作原理

要想實(shí)現(xiàn)車載行人檢測(cè)，就要解決兩個(gè)問(wèn)題，分別為提取行人特征及計(jì)算機(jī)學(xué)習(xí)，可以通過(guò)HOG特征及SVM分類器實(shí)現(xiàn)。

2.1 HOG特征

通過(guò)HOG特征將圖像中局部區(qū)域邊緣或者梯度分布提取出來(lái)，以此描述區(qū)域中目標(biāo)的邊緣、梯度的形狀及結(jié)構(gòu)，在對(duì)其進(jìn)行計(jì)算的過(guò)程中，對(duì)其進(jìn)行統(tǒng)一處理，以此提高其抗干擾能力及穩(wěn)定性。

HOG特征的計(jì)算過(guò)程為：

H（x，y）表示圖形在（x，y）像素點(diǎn)的灰度值；

通過(guò)[-1，0，1]模塊計(jì)算不同方向的梯度方向及幅值，算法為：

Gx（x，y）=H（x+1，y）-H（x-1，y）

Gy（x，y）=H（x，y+1）-H（x，y-1）

計(jì)算（x，y）的梯度幅值的算法為：

G（x，y）=Gx（x，y）2-Gy（x，y）2

計(jì)算（x，y）的梯度方向的算法為：

a（x，y）=arctan（Gy（x，y）/Gx（x，y））

區(qū)間（bink）中像素點(diǎn)在分量區(qū)間中的幅值為：

Vk（x，y）=G（x，y），a（x，y）∈bink；

0，a（x，y）bink；

1≤k≤9

為了避免由于光照等一些因素的對(duì)系統(tǒng)造成的影響，就要處理塊中單元區(qū)間，算法為：

f（Ci9k）為在Ci單元中，第k區(qū)間的累計(jì)強(qiáng)度在Ci塊中的比例，i=1，2，3，4，上式中的ε為0.001。通過(guò)上式可以得出單元特征可以由一個(gè)9維向量表示，每個(gè)塊是通過(guò)4個(gè)單元所組成，所以，塊的特征可以通過(guò)36維向量表示為：

{f（Ci9k）i=1，2，3，4，k=1，2，...，9}

2.2 SVM分類器

在訓(xùn)練過(guò)程中，通過(guò)二類別構(gòu)成{（xi，yi，i=1，2，...，m）}，如果xi∈RN為1類，那么yi=-1為行人，屬于為2類，那么yi=-1為非行人。訓(xùn)練的主要目的就是構(gòu)造判別函數(shù)，使測(cè)試的數(shù)據(jù)為正常分類。

如果具有分類超平面，那么：

ω*xi+b≥1，yi=1

ω*xi+b≤-1，yi=1

i=1，2，...m

通過(guò)上式可以看出來(lái)，訓(xùn)練為線性可分。

如果訓(xùn)練樣本集沒(méi)有被超平面錯(cuò)誤分來(lái)，而且距離超平面最近的樣本數(shù)據(jù)和自身具有較大的距離，那么此超平面為最優(yōu)，所以具有判別函數(shù)：

f（x）=sgn（ω*x+b）

其具有最優(yōu)的泛化能力，超平面求解要最大化，以此將最優(yōu)分類面問(wèn)題轉(zhuǎn)化為具有約束條件的不等式條件極值問(wèn)題，從而構(gòu)建Lagrange函數(shù)：

將ω=∑yixi及∑ayi=0帶入到上式中，將ω和b消除，得出對(duì)偶最優(yōu)化問(wèn)題。

在進(jìn)行行人檢測(cè)的過(guò)程中，可以選擇某個(gè)特定的函數(shù)類型，計(jì)算f（x），+1表示行人，-1表示非行人。

3 嵌入式車載行人檢測(cè)系統(tǒng)硬件設(shè)計(jì)及檢測(cè)算法

3.1 硬件設(shè)計(jì)

系統(tǒng)主要由圖像匹配處理、采集及提示三部分組成，其構(gòu)件為媒體提示系統(tǒng)、攝像頭、電源、實(shí)驗(yàn)板。實(shí)驗(yàn)板集成嵌入式操作系統(tǒng)，通過(guò)開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)實(shí)現(xiàn)。在攝像頭采集到圖像進(jìn)行解碼，之后傳送到處理器中進(jìn)行預(yù)處理，之后通過(guò)視覺(jué)庫(kù)記性檢測(cè)，通過(guò)顯示屏現(xiàn)實(shí)，計(jì)算出行人在圖像中的坐標(biāo)，以此提示駕駛員注意行駛的方向。

3.2 檢測(cè)算法

在算法中設(shè)置定時(shí)器，每隔66ms處理一幀畫(huà)面，使每秒能夠處理15幀左右的圖像，保證圖形的連貫性。算法處理的圖像格式為RGB格式，通過(guò)函數(shù)調(diào)用繪制矩形框。

3.3 應(yīng)用試驗(yàn)

通過(guò)證明，行車速度在25km/h時(shí)效果良好。

在車與人距離為7m的時(shí)候?yàn)榘踩崾揪嚯x，并且對(duì)此范圍的行人通過(guò)紅色矩形框圈起來(lái)，指出行人在車的哪一方，提醒駕駛員朝著沒(méi)有行人的方向行駛；

在車與人距離為5m的時(shí)候，隨著駕駛員的轉(zhuǎn)向，系統(tǒng)中的提示圖像和聲音也會(huì)有所變化。

4 結(jié)束語(yǔ)

在物聯(lián)網(wǎng)不斷發(fā)展的過(guò)程中，車聯(lián)網(wǎng)技術(shù)也逐漸受到人們的重視，本文中設(shè)計(jì)的系統(tǒng)還能夠?qū)崿F(xiàn)路段行人的統(tǒng)計(jì)、道路擁塞提醒等多種功能，并且具有較強(qiáng)的適應(yīng)能力、提醒及提示作用，滿足于現(xiàn)社會(huì)行車安全的需求。

參考文獻(xiàn)

[1]高洋.智能交通中行人檢測(cè)算法的研究與實(shí)現(xiàn)[D].大連：大連海事大學(xué)，2014.

[2]楊韶瑞.車載輔助系統(tǒng)行人檢測(cè)技術(shù)研究[D].西安：西安工業(yè)大學(xué)，2012.

[3]靳美玲.基于FPGA的車載行人檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].沈陽(yáng)：東北大學(xué)，2010.

作者單位

廈門(mén)軟件職業(yè)技術(shù)學(xué)院 福建省廈門(mén)市 361024