智能辅助驾驶系统中的行人检测方法.pdfVIP

第38卷第16期计算机工程20l2年8月

V_01．38NO．16ComputerEngineeringAugust2012

·人工智能及识别技术·文章缩号：10o0_3428(2012)16—196-_04文献标识码：A中图分类号：TP18

智能辅助驾驶系统中的行人检测方法

粱志刚，衡措

(上海交通大学自动化系系统控制与信息处理教育部重点实验室，上海200240)

摘要：大多数车载行人方案是基于特征选择和机器学习的，但大量特征的计算使实时性大幅降低。为将待检测窗I：1限制在最小的范围内，

提出一种改进的基于立体视觉的摄像机角度估计自适应图像采样方法，利用基于类Haar特征和RealAdaBoost学习方法的分类器进行实现，

在户外移动平台上对处于复杂动态背景中的行人目标进行检测。结果表明，与其他方法相比，该方法在保证检测效果的同时，计算时间仅

为自适应路面拟合方法的13％。

关健词：驾驶系统；行人检测；摄像机角度估计；类Haar特征；RealAdaBoost训练

PedestrianDetectionMethod

inIntelligentAssistantDriveSystem

LIANGZhi-gang，HENGHao

(KeyLaboratoryofSystemControlandInformationProcessing，MinistryofEducation，DepartmentofAutomation，

ShanghaiJiaotongUniversity，Shanghai200240，China)

[Abstract]On—boardpedestriandetectionneedsprocessingscenariosfromamobileplatform，whichimpliesenvironmentschangequickly．And

theaspectsofpedestrianareinconstant，whichmakesdetectiondifficult．Manyapproachesbasedonmachinelearningusealargenumberoffeatures

whichneedmuchcomputingtime．Toimprovetheproblem，htispaperprovidesanimprovedcameraposeestimationmethodforadaptivesparse

imagesampling，andaclassifierbasedonHaar·likewaveletsandRealAdaBoostaslearningmachine．Itcompareshteproposalwithrelevant

approaches，experimentalresultsshowthatthemethodreducesprocessingtimemuchalotfortheimagesampling．

[Keywordsldrivesystem；pedesrtiandetection；cameraposeestimation；Haar-likefeature；RealAdaBoosttraining

DOI：10．3969／j．issn．1000-3428．2012．16．051

1概述了减少摄像机角度变化所带来的影响，在上述方法中需要

智能辅助驾驶系统致力于改善交通安全，计算机视觉增加大量可能存在行人的待检测窗口。另外，行人本身的

起到极其重要的作用，它可以检测到感兴趣的交通物体，类内变化性比较大，分类器需要用到几千个特征。以上原

如车辆和行人。该系统需要在户外场景下的移动平台上进