夜間行人檢測技術的研究現狀

林金奕

[摘要]隨著生活水平的不斷提高以及汽車技術的不斷進步，城市交通安全成為不容忽視的影響生存的問題之一。大量數據表明，交通事故夜間發生率較高，且傷情嚴重，行人安全岌岌可危。因此，以行人檢測技術來輔助駕駛員，緩解駕車疲勞或光線不足產生的視線模糊，提高夜間駕車過程中對行人的識別率，成為國內外檢測技術應用研究的熱點之一。文章從夜間行人檢測技術的社會價值、研究現狀入手進行分析，提出現存問題，為今后深入研究該領域技術奠定基礎。

[關鍵詞]行人檢測；夜間行車安全；社會價值

[DOI]1013939/jcnkizgsc201615045

隨著人們生活水平的不斷提高，汽車已成為我國代步工具中的一大種類。據國家公安部通報，2013年，全國汽車增加1651萬輛、駕駛人增加1790萬人。方便之余，隨之而來的交通安全問題，卻成為威脅人們生命的不可忽視的關鍵。據交通部透露，交通事故在夜間行車中發生的概率較高。有數據顯示，雖然40%左右的交通事故在夜間發生，但卻有高達60%的事故死亡率。由此可見，夜間行車的危險指數遠遠高于白天行車。因此，夜間行車安全應該得到更多的重視。

1夜間行人檢測研究的社會價值

產生夜間行車安全問題的因素[1]主要有兩個：其一，也是夜間交通事故發生的主要原因，是由于夜間光線較暗，駕駛員視角窄，視線模糊，不能準確地對路況進行預判，對潛在危險的處理滯后；其二，根據人體生物鐘規律變化，夜間駕駛員身體的各方面機能都有明顯下降，加之行車過程視覺效果不好，可依賴的條件少，為了準確、快速地對速度和距離進行判斷，行車過程中駕駛員必須注意力高度集中，更容易產生緊張情緒，易疲勞。而中國城市人口密集度高，行人、自行車、電動車交錯穿行，機動車駕駛員稍有不慎，就容易產生碰撞沖突，造成事故傷亡。針對中國交通現狀的需求，充分利用汽車安全輔助駕駛技術對路面行人情況進行全面、正確的判斷和分析，緩解汽車駕駛員視覺范圍有限、精力有限的缺點，是提高我國安全行車系數的重要保障。

近年來，國內外很多學者高度關注智能視覺監控領域，在理論知識和實際應用兩個方面都取得了一定的進展。行人檢測也因為在此領域有著廣泛的應用而備受廣大學者與研究人員的熱衷。然而，目前的行人檢測技術尚未達到人們預期的效果。運動過程中的行人檢測是一項相當復雜的工程，涉及計算機視覺和模式識別，車輛定位技術，人體形態學等諸多學科，有許多技術難點有待研究人員攻克。進行行人檢測研究不論在理論研究方面或者實際應用方面均具有較高的應用價值和經濟潛力。

2研究現狀

行人檢測與識別研究開始于20世紀90年代中期，經過大量研究，目前已形成許多可行性方案，為后期的研究人員提供了一系列具有較高參考價值的理論體系和應用系統。

21國外研究現狀

目前，國外學者在行人檢測圖像采集途徑上可分為基于可見光圖像和基于紅外圖像兩種方法。可見，光圖像作為人們日常生活中的常用圖像采集手段，受光照程度的影響對圖像中目標的識別存在很大的差別，光線不足的條件下，能見距離和能見度會明顯下降，影響正常視頻圖像采集。而紅外成像又稱紅外輻射，利用電磁波強大的“穿透”能力，可以通過黑暗、煙霧等外界因素，形成可見光下看不到的目標表面的溫度分布圖，但因為其圖像層次感差、輪廓模糊等缺陷，在日常生活中使用較少。

在行人檢測方法上現有兩大類[2]：第一類是基于視覺傳感器的行人檢測方法，常用的方法有：基于小波和支持向量機的方法、基于運動特征的方法、基于立體視覺的方法、基于形狀信息的方法、基于行人模型的方法等。早期的視覺傳感器系統多借鑒基于靜態攝像頭的靜態視覺監控技術，包括圖像處理中的圖像分割、邊緣提取、圖像匹配、光流、運動檢測等技術及模式識別中的一些簡單分類算法。隨著智能化水平的不斷提高，傳感器也在不斷更新中。目前較為前沿的行人檢測方法是基于立體視覺的方法，即利用多部攝像機作為視覺傳感器，在多方位同時進行圖像采集，得到場景中行人的空間信息，但算法復雜、計算量大。多數使用的方法是利用多種傳感器信息融合的技術。第二類是基于非視覺傳感器的行人檢測方法[3]，常用的方法有：基于激光測距傳感器的方法、基于微波雷達的方法、基于紅外線成像傳感器的方法等。兩類方法均使用廣泛，且結合適當的圖像預處理技術和相關算法后均能用于夜間行人檢測，為夜間行人檢測的進行奠定了充足的基礎。

現有的行人檢測技術的兩個主要側重點分別為運動和形狀。側重于運動的檢測方法是通過分析運動過程中人體行走的周期頻率來進行行人檢測。行走時，人體呈現出一定周期性的步態，處理過程中將先待檢測圖像序列的周期性與預先分析得到的行人步態的周期性進行對比，就可以判斷出是不是行人。該方法的優點在于降低了光線變化和人體紋理產生的影響，但需要經過多幀對比才能得出判斷結果，判斷速度不及時，且只能檢測運動過程中的行人。該方法的典型代表有基于光流法的行人檢測。而側重于形狀的檢測方法是通過對邊緣、灰度、輪廓等信息的分析檢測，達到對目標進行檢測的目的。該方法既能檢測運動的行人，亦能檢測靜止狀態的行人，但易將不是行人的目標錯認為行人而產生虛警信息。其典型方法有基于統計分類的方法、基于局部模型的方法和基于模板匹配的方法。但實際工程設計時，多采用兩種方法同時使用，比如：Viola等人利用AdaBoost算法對人體的類Haar特征進行訓練行人檢測器[4]，并融合進行人的外貌特征和肢體運動信息進行檢測，取得了良好效果，在有行人、非機動車和運行汽車的環境下，能較好地檢測出步行的行人。

此外，利用一些交叉學科的系統對人體進行建模，通過模型對運動物體進行識別檢測也是目前較可行的方法。國際上現有的可以使用的行人檢測系統[5]主要有：①2004年11月，在第38屆東京車展上，三菱汽車公司（戴姆勒·克萊斯勒旗下）推出的以行人檢測技術為支撐的三菱扶桑概念車，該車能在不超過150km/h車速的情況下，在多種天氣條件下，對行人作出快速準確的檢測，為駕駛者提供危險狀況報警，并提供一定的安全應急措施；②2006年3月，在第76屆日內瓦車展上，雷克薩斯LS460概念車集成了立體視覺近紅線外加激光雷達的行人檢測系統，能夠以30～40km/h的車速，在距離車輛30～50m處檢測出在人行橫道上行走的行人；③2007年4月，在英國倫敦科學博物館展出的無人駕駛汽車（德國大眾汽車公司研制），能在不超過183米的范圍內識別各種交通標識，并利用激光攝像機對汽車周圍的行人和道路狀況等障礙進行檢測。

22國內研究現狀

我國在行人檢測技術方面，主要研究靜止攝像機以及圖像采集條件較好的行人檢測，與此同時也在積極摸索運動攝像機情況下及夜間等受自然條件制約場景的行人檢測。國內進行行人檢測與跟蹤研究的單位現有：浙江大學、中山大學、清華大學、哈爾濱工業大學、廈門大學、重慶大學、四川大學、長安大學、安徽大學、武漢理工大學等。浙江理工大學的徐振興針對傳統形狀上下文特征在行人檢測中區域劃分較密的問題改進區域劃分的方法，并在研究中引入隨機森林分類器和點對比較特征進行行人檢測。[6]蘇州大學的王寶興在單視點固定攝像頭場景下提出了一種基于局部時空域模型的核密度估計行人檢測算法，在單視點移動攝像頭場景下提出了一種融合目標多特征的行人檢測算法，并提出了基于卡爾曼濾波和顯著區域檢測的行人識別算法[7]用于處理由于高空視頻細節模糊、背景雜亂等特點所導致的行人分割與識別困難問題。南京理工大學的陶建峰針對單特征辨識度較低和人體尺度多樣性問題，提出一種多特征融合的行人檢測方法。[8]

3主要存在的問題

近年來，國內外學者在夜間行人檢測與運動跟蹤領域的研究方面取得了一定的進展，但由于學科技術發展水平有限、實驗設備性能不足、視頻圖像環境復雜等各方面因素的限制，至今仍然不能研究出一種方法能夠在各種場景條件下都通用，其中，存在的主要技術問題有以下幾點：

（1）動態視頻圖像采集的背景多樣性問題。目前，行人檢測研究多以靜態背景進行，原因在于動態場景下檢測目標及背景環境均在不斷變化中，將出現多個不同類型復雜目標的遮擋問題。車身攝像機隨車輛的抖動、偏轉會發生拍攝角度及清晰度的變化，影響行人識別與檢測的準確率。且對行人檢測系統的魯棒性（即應對“突然打擊下”的適應能力）提出了更高的要求。

（2）夜間圖像采集的復雜性問題。首先，夜間光線較弱，圖像灰度值較高，色彩辨析困難，導致干擾因素多，陰影面積大；其次，現有的夜間圖像采集多數使用紅外線設備，紅外圖像分辨率低，層次感差，紋理信息少，輪廓模糊，導致夜間行人目標的檢測難度更大。因此，目前進行夜間行人檢測的研究項目的比重相對較低。

（3）行人外觀和姿態的多樣性問題。人體柔韌性強，具有多種形態，結合身材和衣著的差異，往往在行人識別檢測中相差甚遠。現有的行人特征有多種，但要獲得較好的檢測結果，既受到圖像本身屬性的直接影響，又取決于使用算法的選擇，所以，通常不直接將特定的特征和通用的算法應用于行人識別檢測。

（4）行人檢測目標的快速準確判斷。車載嵌入式系統隨著車輛的行駛，行車速度、行車環境都在不斷變化，相應采集到的圖像信息復雜性高，且計算機運算速度有限，因此，如何快速地對采集到的目標進行分割、識別與檢測成為實時檢測系統的一大難題。

參考文獻：

[1]田翠翠基于紅外圖像的夜間行人檢測技術研究[D].重慶：重慶大學，2010.

[2]許騰，黃鐵軍，田永鴻車載視覺系統中的行人檢測技術綜述[J].中國圖像圖形學報，2013，18（4）：359-367

[3]莊家俊，劉瓊面向輔助駕駛的夜間行人檢測方法[J].華南理工大學學報，2012，40（8）：56-62

[4]陳志恒，姜明新基于OpenCV的人臉檢測系統的設計[J].電子設計工程，2012，20（10）：182-185

[5]單曉森混合交通中行人檢測方法研究[D].哈爾濱：哈爾濱工程大學，2011.

[6]徐振興基于機器視覺的行為檢測和跟蹤技術研究[D].杭州：浙江理工大學，2012.

[7]王興寶復雜場景下多姿態行人檢測與識別方法研究[D].蘇州：蘇州大學，2012.

[8]陶建峰基于多特征融合的行人檢測方法研究[D].南京：南京理工大學，2013.