自動駕駛之基于視覺信息的行人檢測

　　行人是路面上的高危群體，行人檢測成為安全駕駛領域的一個研究熱點。基于視覺的行人檢測過程分為個連續(xù)的步步驟：行人定位、行人識別和行人跟蹤。熱電堆和紅外傳感器是一種環(huán)境友好型的傳感器，是不需要照亮周圍環(huán)境，就可以被動地完成行人檢測任務。

　　過去的20年里，視覺傳感器在智能交通系統(tǒng)中變得越來越重要。一方面，從交通基礎設的角度來看，使用基于交通流監(jiān)視器的視覺技術以及相關的控制策略，可以顯著提升現(xiàn)有交通數(shù)據(jù)收集和道路監(jiān)控方法的效果。另一方面在視覺傳感器的幫助下，現(xiàn)代駕駛人輔助系統(tǒng)可以對危險情況和錯誤的駕駛行為提出預警，例如偏離車道，忽視交通標志等;如果駕駛人沒有做出反應，輔助系統(tǒng)甚至會做出自動控制車輛的舉動?，F(xiàn)階段，基于駕駛安全系統(tǒng)的視覺技術已成為下一代交通工具的必要組成部分。

　　在過去的30年里，基于安全駕駛的視覺技術受到廣泛關注，產生了大量研究成果，前景廣闊。從功能上看，視覺傳感器分為兩類，監(jiān)控車內環(huán)境的車內傳感器和監(jiān)控車外環(huán)境的車外傳感器，如圖所示。

　　視內和視外智能視覺傳感器的劃分與功能

　　CMOS/CCD攝像頭是智能交通工具中應用最廣泛的視覺傳感器。正如許多文獻中提到的那樣，在響應速度、安裝、操作、維護，監(jiān)控范圍等方面CMOS/CCD攝像頭優(yōu)于其他許多傳感器。但是CMOS/CCD攝像頭只有在比較理想的工作環(huán)境下才有完美的表現(xiàn)。在實際場景下，樹木、云朵的陰影和微弱的光照條件等因素，都會導致難于獲取對比度較好的清斷圖像。

　　近期，作為攝像頭替代品的毫米波段雷達、激光和紅外傳感器得到了研究人員的積極嘗試。這些新型傳感器的優(yōu)勢是受天氣、光照的干擾小。盡管CMOS/CCD攝像頭還難以被完全取代，但新型傳感器已經(jīng)在大量應用場量中取代了傳統(tǒng)的攝像頭。

　　這些新型傳感器被看作是一般的視覺傳感器來進行討論，我們還將考慮不同視覺傳感器的信息融合問題。

　　智能車輛的基本視覺傳感器任務有以下幾點：

　　(1)車外視覺傳感器

　　1)提取車道邊界，特別是在車道邊界未被清楚地標明和惡劣天氣場景下。

　　2)檢測車輛行駛情況，估計它們的位置、速度和加速度。

　　3)識別相關的交通標志和交通信號燈。

　　4)測其他交通參與者、障礙，例如行人和大石塊。

　　(2)車內檢測傳感器

　　1)監(jiān)測駕駛人的眼部動作情況，應用于疲勞檢測過程。

　　2)監(jiān)測駕駛人的手部運動，完成假設行為學習。

　　3)監(jiān)測駕駛人、乘客的姿勢和頭部位置，從面進行精準的氣囊保護。

　　為了了解該領域其他研究人員的成果，本章首先對該研究領域的成果進行了匯總。同時論述了相關的研究工作和存在的問題，并著重討論了以下兩個問題：

　?、?覺和非視覺傳感器的磁合;

　　② 視覺信息在車內、車間通信過程中的共享問題。

　　基于視覺信息進行行人識別的優(yōu)勢

　　行人是路面上的高危群體。歐洲每年因交通事故受傷的行人超過15萬人，致死的超過6000人。美國交通事故中有12%及行人。中國在2004年有9217人因交通事故致死，其中三分之一是行人。為了解決這一問題，過去20年里，行人檢測成為安全駕駛領域的一個研究熱點。

　　研究人員Gavrila使用分類的思路來進行行人運動檢測，該方法基于兩個準則：限蹤空間的維度(二維或三維)和模型類型(例如空間信息的、統(tǒng)計的和基于板圖的)。盡管該方法在智能監(jiān)控、虛擬現(xiàn)實、運動分析和其他應用中表度良好，但在運動車輛上，其對行人的檢測效果大打折扣。研究者Lombardi提出了一種新的分類方法。根據(jù)其處理過程是否包含兩個步驟，首先將這些方法分為三組：二步法、單步法和“盲”方法。

　　然后將這些方法分成檢測步和識別步驟。檢測步驟主要有光流法、背景差分法、閾值法和行人模板法。識別步驟主要有運動分析和利用興趣點的人體形狀分析法。然而，該分類方式并沒有考慮使用行人檢測方式完成跟蹤過程的方法。在下面的內容中，基于視覺的行人檢測過程分為個連續(xù)的步步驟：行人定位、行人識別和行人跟蹤。