基于机器视觉的车辆行人检测系统技术综述.docVIP

　　基于机器视觉的车辆行人检测系统技术综述 摘要：随着城市化进程的逐渐加快，城市道路交通环境的发展情况越来越复杂，人民群众日常出行的安全性很难得到保障。为了改善这种状况，车辆行人检测系统的应用受到了产业界的高度重视，能够及时的检测到运行中的行人，第一时间作出危险预测，从而有效的避免安全事故的发生。机器视觉是一种常见的行人检测传感器，本文将基于机器视觉的车辆行人检测系统中的关键技术进行分析，并且针对分析结果对行人检测系统技术未来的发展情况进行展望。 中国 8/vie 　　关键词：机器视觉；车辆行人检测系统；关键技术 　　中图分类号：TP391.4 文献标识码：A ：1007-9416（2017）02-0115-02 　　行人检测系统是确保车辆能够安全运行的前提条件，在保持安全车距、防止发生碰撞事故等方面都有着积极的意义。通过行人检测系统的使用，车辆能够自主的对周围环境进行实时检测，并且根据检测结果进行准确的分析，给驾驶员提供更加准确的意见，有助于驾驶员在第一时间对周围环境中的安全隐患做出反应，对行人进行有效的保护，为人民群众的日常出行提供了基本保障。 　　1 基于机器视觉的车辆行人检测系统技术流程 　　基于机器视觉的车辆行人检测系统在设计的过程中，主要涉及到三个流程，分别是预处理阶段、分类检测阶段和决策报警阶段。预处理阶段能够通过机器视觉传感器获取到准确的车辆前方图像信息，并且自主的对这些图像信息进行预处理，像是降噪、增强等步骤，这样就能够获得更加清晰的图像，有助于驾驶员对车辆前方的情况作出更加明智的判断。分类检测阶段主要利用图像分割、模型提取等先进的图像处理技术对图像中的信息进行区域分割，也就是行人的候选区域，然后利用ROIS手段对行人的候选区域作出进一步的判断，从而更加准确的判断出每个区域内是否存在行人，对行动中的行人作出更加准确的检测。决策报警阶段是指对运动中的行人进行跟踪，利用先进的科学技术对行人的运行轨迹进行预测，从而制定出更加准确规避计划，对于提高行人检测系统的精准度有很大的帮助。另外，当行人检测系统经过分析之后发现可能会出现运动中的行人与车辆相互碰撞的情况，决策报警系统也会在第一时间发出警告，提醒驾驶员不要作出导致碰撞的操作[1]。图1为基于机器视觉的车辆行人检测系统技术流程图。 　　2 基于机器视觉的车辆行人检测系统的关键技术 　　2.1 区域分割 　　区域分割是基于机器视觉的车辆行人检测系统的关键技术之一，对于这种关键技术的分析可以从运动、立体视觉、图像特征、规则四个角度进行，表1为基于这四种因素分析方法的优点和缺点。 　　2.1.1 基于运动的车辆行人检测系统 　　基于机器视觉的车辆行人检测系统区域分割与基于监控场景来构造背景模型进行分割的方法有很大的差异，车辆行人检测系统中的摄像机始终处于运动的状态，在分析的过程中会采用光流分析方法或者帧间运动估计方法。基于运动的车辆行人检测系统主要通过对地面位置的估计和人体身高的区间范围进行分析，即便是分辨率比较低的图像也能够很好的进行检测，提高了检测结果的鲁棒性。但是，这种方式在使用过程中也存在着一定的缺点，就是无法准确的进行自身运动的估算，对于车上辅助设备的依赖比较严重。 　　2.1.2 基于立体视觉表1 区域分割关键技术的优缺点的车辆行人检测系统 　　随着科学技术的不断完善，立体视觉技术在各个领域中的应用越来越广泛，基于立体视觉的车辆行人检测系统也受到产业界的高度重视。在基于立体视觉技术的方法中，应用最广泛的就是利用立体摄像机获取3D场景信息，通过对3D场景信息的分析来估计地面位置，结合人体身高区域范围进行更加准确的分割。基于立体视觉的车辆行人检测系统的优势在于对环境变化的鲁棒性较高，能够为其他模块提供更加有用的信息。但是，立体视觉算法在使用过程中还是存在一定的缺陷，无法对图像区域中盲点的位置进行准确的分析，计算速率相对较慢[2]。 　　2.1.3 基于图像特征的车辆行人检测系统 　　基于图像特征的车辆行人检测系统是最简单的检测方法，通过直接对图像的强度值进行阈值分类而获取车辆前方的准确信息，帮助驾驶员作出更加明智的判断。众所周知，在正常情况下，人体的温度要比周围环境的温度高，因此可以通过对红外图像中的热点区域进行分析，从而对行人的候选区域进行分割。在选择阈值的时候，可以从单一阈值和多阈值两个方面进行考虑。在对红外图像进行分割的?r候，应该首先分割出图像中比较明亮的区域，从而对地面位置进行估计，结合人体身高的区域范围进行更加准确的分析。基于图像特征的分析方法最大的优势就是不需要依赖于其他的设备，能够直接对图像进行分析。但是，这种情况只是针对比较单一的环境，当周围环境变得非常复杂的时候，就无法对鲁棒性作出更加完善的定义[3]。 　　2.1