行人检测研究.ppt

; 行人检测系统(PDS：Pedestrian Detection System)作为保障汽车、行人安全的一种主动安全手段，已成为产业界和研究界共同关注的一个研究热点．特别是近5年来，随着传感器、核心算法等的不断进步和使用，PDS研究发展很快． 行人检测系统旨在行进的汽车上建立一个自主、智能的行人检测、智能辅助驾驶系统，具有提高驾驶安全性、保障行人生命财产安全的重要意义和实用价值。; 车辆辅助驾驶系统中基于计算机视觉的行人检测是指利用安装在运动车辆上的摄像机获取车辆前面的视频信息，然后从视频序列中检测出行人的位置．由于它在行人安全方面的巨大应用前景，成为智能车辆、计算机视觉和模式识别领域的前沿研究课题。 ●欧盟从2000年到2005年连续资助了PROTECTOR【1J和SAVE-U【2J项目，开发了两个以计算机视觉为核心的行人检测系统： ●意大利Parma大学开发的ARGO智能车也包括一个行人检测模块： ●以色列的MobilEye公司开发了芯片级的行人检测系统； ●日本本田汽车公司开发了基于红外摄像机的行人检测系统； ....... 国外的大学(如CMU、MIT)和国内的西安交通大学、清华大学也在该领域做了许多研究工作。; 行人检测除了具有一般人体检测具有的服饰变化、姿态变化等难点外，由于其特定的应用领域还具有以下难点： ●摄像机是运动的，这样广泛应用于智能监控领域中检测动态目标的方法便不能直接使用； ●行人检测面临的是一个开放的环境，要考虑不同的路况、天气和光线变化，对算法的鲁棒性提出了很高的要求； ●实时性是系统必须满足的要求，这就要求采用的图像处理算法不能太复杂． ; 由上面的论述可以知道，系统的鲁棒性和实时性构成了一个矛盾，为了解决这种矛盾。 现有的行人检测系统一般包括两个模块：感兴趣 （Regions of Interest，R0I)分割和目标识别．R0I分割的目的是从像中提取可能包含行人的窗口域作进一步验证，以避免穷尽搜索，提高系统的速度． 目标识别是行人检测系统的核心，它对得到的ROI进行验证，以判断其中是否包含行人，它的性能决定了整个系统可以达到的精度和鲁棒性．本文首先讨论这两个模块可以采用的方法和各种方法的优缺点，最后介绍一些现有的行人检测系统的性能并对未来的发展趋势做出详细的阐述．; 根据分割所用的信息，可将R0Is分割的方法分为基于运动、基于距离、基于像特征和基于摄像机参数四种方法．在实际系统中，各种方法通常结合在一起使用，彼此互补． 1 基于运动的方法 基于运动的方法通过检测场景中的运动区域来得到R0I，由于摄像机是运动的，所以要想应用该方法，必须首先补偿车辆自身的运动．例如Stein等首先利用光流法估计车的运动，补偿车辆的运动后利用时间差分从而得到运动物体． 优点是不受姿态的影响，比较鲁棒． 缺点是只能检测运动的行人．所以目前主要应用在智能监控领域，在车辆辅助驾驶系统中往往只作为一个辅助的手段。 2 基于距离的方法 基于距离的方法通过测量目标到汽车的距离来得到ROI．可以用来测距的传感器主要包括雷达和立体视觉．当雷达与摄像机结合时，必须要考虑各个传感器问的时间同步和空间同步问题．而立体视觉本身就是图像，便于后期的图像处理算法直接进行处理，所以目前大多数基于视觉的检测系统都采用立体视觉来分割出ROI. 优点是比较鲁棒，受光照和行人外貌的影响 较小． 缺点是需要额外的测距设备，从而增加了系统的造价和复杂度． ;3 基于图像特征的方法 基于图像特征的方法指通过检测与行人相关的像特征从而得到R0Is．对于可见光像来说，常用的特征包括竖直边缘、局部区域的熵和纹理等．对于红外图像来说，主要根据人体尤其是人脸的温度比周围环境温度较高这一特征，通过检测一些“热点”来得到ROI． 优点是直接利用了图像信息，不需要额外的传感器． 缺点是由于环境的复杂多变，很难定义出对每种场景都适用的特征．对这种方法的要求是特征检测算法不能太复杂，整个系统的速度不应该低于对所有窗口进行穷尽识别的速度．目前采用这种方法进行分割的算法通常和后面的目标识别算法结合在一起，从而形成了一个单步检测算法．如Viola等设计的级联分类器的前几级就可以视为一个ROI分割算法，后面的几个分类器被视为识别算法． 4 基于摄像机参数的方法 摄像机的安装位置和摄像机参数也是一个很重要的考虑冈素．它对行人在图像上出现的位置和每个位置上目标的大小给出了很多限制，合理利用这些限制可以大大地缩小搜索空间． 优点是只需要处理可能发生危险的区域．