車載行人檢測技術研究

董秀娟，蘭建平

（1.湖北汽車工業學院電氣與信息工程學院，湖北十堰，442002；2.湖北汽車工業學院汽車工程師學院，湖北十堰，442002）

0 引言

行人檢測( Pedestrian Detection)是利用計算機視覺技術判斷圖像或者視頻序列中是否存在行人并給予精確定位[1]。行人檢測需要解決的問題是：找出圖像或視頻中所有的行人，包括位置和大小，用矩形框表示，和人臉檢測類似，它是一類特殊的目標檢測問題[2]。因行人表觀和姿態變化多樣化，行人檢測難度比人臉識別，車牌檢識別的難度要大。關于智能汽車的行人檢測，可以采取多種方法，與當前常用于智能汽車上的傳感器（激光掃描雷達、相控陣聲納、毫米波雷達等）相比，光學視覺信號具有目標完整、檢測范圍寬、成本低、更符合人們的認知習慣等優點，因此計算機視覺在智能汽車障礙物檢測中的應用顯得越來越重要。對行人進行檢測能有效輔助駕駛員及時對外界環境做出反應，避免碰撞行人，這對于保障現代城市道路交通安全具有重要的作用，已經引起了各國政府部門和相關研究機構的高度重視。

針對車載行人檢測系統存在系統魯棒性和實時性的要求，智能汽車行人檢測技術重點包括兩個工作：⑴感興趣區域分割，實際系統中結合基于圖像特征信息來獲取基于區域候選框ROI[3](Region of Interest)的方法。⑵目標識別，原始圖像經過感興趣區域分割得到可能含有行人的區域，然后再從這些區域中找出真正的行人[1,4]。另外介紹兩種行人檢測方法：利用經典的HOG+SVM[5]檢測算法做行人檢測；在深度學習YOLOv3算法框架下實現行人檢測，并分析兩種方法的優缺點。最后展望復雜城市交通環境下行人檢測技術目前面臨的困難和亟待解決的問題。

1 感興趣區域分割

為了找到每個行人在視頻中每幀的精確位置，行人檢測算法根據對行人描述方法不同進行分類。如圖1所示，基于形狀模板匹配的檢測方法，通過部位檢測器在單幀圖片中檢測人體。這里用到 5 個部位檢測器（行人的頭部、軀干、四肢）和一個裝配檢測器組成，它們都是基于Haar小波特征，采用支持向量機(support vector machine, SVM)方法訓練得到，然后從上到下分層次進行匹配，最后和基于背景建模得到的前景圖像進行形狀匹配，在檢測行人的同時將其大致形狀從背景中分割出來。基于部件檢測的方法在一定程度上可以克服局部遮擋帶來的問題，使用該方法時，經常與HOG等特征結合使用，以提高檢測性能。

圖1 人體五個部位的檢測區域定義示意圖

梯度方向直方圖HOG[6](Histogram of Oriented Gradient)特征成為最近一個主流使用的特征。已有實驗證明融合多種能夠描述人不同特點的特征，能夠獲得更多比僅利用單一特征類型的檢測性能。

2 目標識別

目標識別的目的是找到圖像中的行人和行人的具體位置，并從中過濾出真正的行人。目標識別的方法：⑴將攝像機拍攝的圖像簡單的分割成左上角、右上角、左下角、右下角四個部分；⑵增加圖像分割的數量；⑶為了更有條理的創建一個行人檢測系統，將圖像劃分成10×10的網格，定義分割后每個塊的中心，對于每個中心，取三種不同長寬比例的塊組合；⑷優化系統來提高效率；⑸增加網格的數量，將原來的10×10網格的數量提高到20×20，從之前的3個塊增加到更多不同長寬比的塊，在同一個中心上取出9個塊；⑹將深度學習運用到目標識別中，將原始圖像輸入到神經網絡中來降低維度，使用神經網絡來檢測所選擇的預測塊，使用強化深度學習算法，確保算法能夠提供更加精確的邊界框預測。

3 行人檢測算法

■3.1 HOG+SVM行人檢測算法

梯度方向直方圖（Histogram Of Gradient，HOG），通過檢測局部物體的梯度和邊緣方向信息得到被檢測物體的局部特征，是一種使用廣泛的行人特征表示方法。使用HOG + SVM進行行人檢測時, 從數據集讀入正樣本(行人)和負樣本(非行人, 比如汽車, 樹木, 路燈等)，計算HOG特征，根據采集到的HOG特征向量，提取HOG特征，然后送入SVM訓練，得到行人檢測模型，進行行人檢測。

■3.2 YOLOv3行人檢測算法

YOLO（You Only Look Once）目標檢測算法是 Redmon 等[7]在CVPR2016 上提出的一種全新的遵循端到端深度學習的目標檢測算法，它能夠提升小目標檢測的精度。近幾年Redmon又提出了YOLOv3 目標檢測算法。YOLOv3檢測算法將對象檢測重新定義為一個回歸問題，YOLOv3 算法將一幅輸入圖像分成 13×13塊，在每一個小塊上預測 3個目標的邊界框，每個邊界框使用四個描述符：邊界框的中心、高度、寬度、值映射到對象所屬的類進行描述。YOLOv3 引入了多尺度融合的方法，目標邊界框參數的計算方法如圖2所示。

每個邊界框的中心點坐標均為相對于其對應的cell左上點坐標的偏移，注：（bx,by,bw,bh）為預測的邊界框在特征圖中的中心點坐標和長寬；（tx,ty,tw,th）為網絡學習的相對于先驗框的偏移量；（cx,cy）是各個單元的左上角坐標；Ph, Pw為先驗框相對于特征圖的長和寬。

4 實驗結果及分析

本文的實驗環境：Intel Core i7-7700k CPU, NVIDIA GeForce GTX 1070，16GB內存，編程語言是anaconda+ pycahrm python。HOG+SVM行人檢測用的數據集是INRIA；YOLOv3行人檢測用的數據集是coco2007。

圖2 YOLOv3目標邊界框參數的計算方法

下面在多個視頻序列上做行人檢測測試，Positive目錄中有2000個正樣本，Negative目錄中有5000個負樣本，TestData目錄中有179個樣本。圖3(a)是原始測試圖片，窗口寬高為64×128；圖3(b)是用自己訓練的檢測器，HOG+SVM的檢測結果，速度比較慢，但是在沒有遮擋的情況下識別效果較好；圖3(c)是YOLOv3框架下基于深度學習的行人檢測結果；圖3(d)1YOLOv3檢測時出現了誤檢，把視頻中寬高比接近0.4的樹當做行人；圖3(d)2兩個行人遮擋超過50%，YOLOv3檢測時，只出現一個檢測框，不能把單個的行人一一標注出來；圖3(d)3 HOG+SVM做檢測時，把墻上的人物廣告當成真正的行人標注出來了，假行人容易誤檢，后期需要增加負樣本的數量；HOG+SVM做行人檢測時不能處理關于遮擋的問題。為獲得比較好的檢測效果，這里采用多特征融合的方法以及級聯分類器；為解決速度問題，采用了背景差分法的統計學習行人檢測。該實驗結果表明基于深度學習的算法，使用YOLOv3目標檢測框架，能夠提高行人檢測的精度。

圖3

5 結束語

關于智能駕駛行人檢測，許多汽車廠家、大學和研究機構都做了有益的嘗試，到目前為止還沒有一個通用的行人檢測算法能夠在任何場景下檢測出行人來，許多算法和模型要么過于簡單而不能普遍采用，要么過于復雜難以在實際中應用[8]。行人檢測技術只能“具體問題具體分析”，該領域的相關先驗資料特別重要（比如監控系統中的固定背景，車輛輔助駕駛中的路面信息，交通標志等）。對于智能汽車的行人檢測技術研究目前擬解決的關鍵問題主要有：⑴ 行人的著裝、姿態、外界環境變化較大。在城市交通環境下，運動或停留的車輛、交通標志、信號燈等物品都增大了從背景中分割出感興趣區域的工作量。⑵ 遮擋問題。在很多應用場景中，行人密集，存在嚴重遮擋時，要想把行人一個個檢測出來，這需要對現有的算法大幅改進。⑶行人檢測一般采用了復雜的模型，運算量大，要達到實時非常困難，一般需要大量的優化。隨著行人檢測研究的深入，檢測方法的不斷完善, 可以預見未來道路交通安全問題會得到很大的改善。