雷达技术和激光测距可以探测 到车辆周围的深度信息。而且不受 气候、光线等的影响．它在测速、 测距上具有很大的优势。雷迭和激 光测８目在获取远距离图像信息上有 着显著的优势．但是分辨率较低． 不利于分类。基于雷达的城市变通 场景特征，其目标是探索所有能从 雷达传感器中获取的信息，为行人 检测选择台迁的特征。
基于人体模型的方法 基于模型的行人检测方法是通 过定义行人形状模型．在图像的各 个部位匹配该模型以找到目标。这 种方法具有明确的模型、识别速度 快、可以处理部分遮挡问题．但是
合适的模型很难构建。行人的模型 主要有一维人体模型、二维人体模 型和三维人体模型。
～维模型是最简单的人体模 型．因为可以将身体的各个部分 直接用直线来模拟．也被称为线 性模型。可以通过使用背景减除 法从摄像机序列图像中自动分割 出行人的轮廓．建立行人的统计 形状模型：然后建立线性点分布 模型使用主成分分析降低维数． 找到８维变形空间。
（１）行人检测ｒ象行人穿着各 种颜色和样式的攻腚，在行走中可 能带着大面积的遮·ｊ物；行人通常 走在杂乱无章的自然环境中，存在 着大量蛇雾像人的物体和非站立行 人：人曲面一姿态面对提像机的角
度不同．则会使获得的图像上行人 表现出不同的形状；行人检测面临 的是开放性的环境，要考虑不同天 气（雨、雪、雾等）、光线变化等。
基于模板匹配的方法 模板匹配是从目标图像中寻找 已知模板图像的过程．通过将模板 图像在目标图像上平移并计算平移 位置处模板图像与目标图像重叠部 分的相似性．如果满足事先设定的 参数要求．则可以认为在目标圈像 中存在模板图像所代表的图像区 域，该图像区域在目标图像中的位 置也同时获得基于模板匹配的万 法能够检测与识别静止的行人和运 动的行人有研发人员设计了一个 基于视觉的用于智能车设计方面观
特征运动特征和抽象特征，抽象 特征既可以用来描述外观特征，也 可以用来表示运动特征。
外观特征用于描述图像中的行 人形状、尺寸，纹理等静态信息。 基于外观特征的方法回避了由于摄 像头的运动带来的背景图像变化的 问题，能有效识别道路中的静止和 行走的行＾。有研究人员从图像序 列中获取行人的形状，然后与设计 的模板进行匹配．以判断是否存在 行人。由于行人显示出的形状信息 具有多样性．行人背景的复杂性以 及部分遮挡现象，这些都增加了行 人检测的难度。
基于传感器的方法 目前用于行人检测的传感器｛ 要有单旨视觉立体视觉、红外成 像微波雷达激光测距等这些 传感器通过对车辆周边环境进行非
接触式探测，获得周边的行人车 辆障碍物等信息，
视觉是人类观察世界和认识世 界的重要手段，驾驶者行车时所需 要的信息９０％来自视觉系统，交通 信号变通图霉道路标识等都可 看作是环境与驾驶者的视觉通讯语 言单目视觉具有信息含量极为丰 富获取的信息面积大可进行多 车道检测可同时进行道路检测和 障碍物识别、维护费用比较低等优
立体视觉是从两个或更多祝点 观察同一事物，从而获得在不同视 角下的感知图像．通过三角测量原 理计算图像像素间的视差来获取景 物的三维信息。该方法可以获得行 人等与车辆的距离．部分解决行人 遮挡问题。通过立体视觉分割算法 将行人从背景中分割出来．然后利 用抻经网络进行目标分类识别．
红外成像的依据是物体的温度 和发出热量的数量．可以在白天和 夜间工作，也适用于雨雪天气。由 于没有颜色和纹理结果．也没有光 线的彩响．所以行人识别更容易． 但是容易受热源的影响。基于红外 成像的实时的行人检测系统．设计 了一种概率模板，然后进行模板匹 配以确定图像中是否存在行人
■■
＿
冒能车辆的行人检测技术研究
·ｕ ｒｖｅｙ ｏｆ Ｐｅｄｅｓｔｒｉａｎ Ｄｅｔｅｃｔｉｏｎ ｆｏｒ Ｉｎｔｅｌｌｉｑｅｎｔ Ｖｅｈｉｃｌｅ
＊ｚ装蒜篓筹嚣旨嚣詈”５““
ｒ人检测作为智能车辆的关键技术，已成为业内共同关注的研究热点随着机器视觉、计算机技术等不 ｉ发展，行人检测的进展很快
ｅｉｎｇ ｔｈｅ ｋｅｙ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｖｅｈｉｃｌｅ，ｔｈｅ ｐｅｄｅｓｔｒｉａｎ ｄｅｔｅｃｔｉｏｎ ｂｅｃｏｍｅｓ ａ ｈｏｔ ｒｅｓｅａｒｃｈ ｔｏｐｉｃ ｈｉｃｈ ｉｓ ｃｏｎｃｅｒｎｅｄ ｂｙ ｔｈｅ ｉｎｄｕｓｔ ｒｙ ａｎｄ ｔｈｅ ｒｅｓｅａｒｃｈ ｃｏｍｍｕｎｉｔｉｙ Ｐｅｄｅｓｔｒｉａｎ ａｅｔｅｃｔｉｏｎ ｍａｋｅｓ ｇｏｏｄ ｏｇ ｒｅｓｓ ｗｉｔｈ ｔｈｅ ｃｏｎｔｉｎｕｏｕｓ ｄｅｖｅｌｏｐｍｅｎｔ ｄ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｃｏｍｐｕｔｅｒ ｔｈｃｈｎｏ！ｅｇｙ ａｎｄ ｓｏ ｏｎ
运动特征用于描述行人运动时 产生的变化和规律。通过计算运动 区域的残余光流来分析运动体的刚 性和周期性，根据非刚性的行人的 运动比刚性的车辆运动具有较高的 平均残余光流，将行人区分出来： 光流计算法能够检测独立运动的对 象．不需要预先知道场景的任何信 息．并且能够适用于静止背景和运 动背景的环境；但是需要连续几帧 序列图像．增加了处理时间，不便 于实时性检测行人。
由于单个的外观特征与运动特 征存在着不好克服的局限性．多特 征融合就成为学者们新的研究方 向。考虑到大量的候选区和复杂的 场景会使识别速度降低．只用外形 特征训练一个好的分类器是困难 的．因此有人提出了把外形特征和 运动特征融台，组成一个特征集， 用它来训练分类器。此外，比较了 只用外形特征和外形特征与运动特 征结合两种情况．显示了融合方法 的优越性：
基于统计分娄的方法 基于统计分类的方法是通过机
２０１０－０ ７｛Ｎｏ ７ ＪＡＰＡ擅求与空用
万方数据
匠匿Ｅ圈Ｉ智能车辆的行人检测技术研究
器学习从一系列训练数据中学习得 到一个分类器，然后利用该分类器 对输入窗Ｉｑ进行识别 目前常用的 统计分类的方法有神经网络支持 向量机和ＡｄａｂＯＯｓｔ等
基于单个的分类机制不能满足 使用者需求，于是研究者又提出了 组合的分类机制，即将多个单分类 器按照一定的结构组织起来，综台 判断检测目标．同时获取不同分粪 器的优点
随着行人检∥一Ｈ究的深人，检 测方法的不断Ｌ善，也会推动智能 车辆辅卧驾驶系统和智能交通系 统的发屡在研究界解决了关键技 术难专ｚ后，产业界也会逐步推出 主造产品和实用产品可以预见道 路交通安全问题会得到很大的改 善，车辆的安全驾驶也会得到保 障。＾晡
万方数据
＆※＃＆月ＡＤ＾（Ｎｅ
卜２７
行人检测算法＋它先对从安装在车 辆上的摄像机获得的视频帧进行小 渡变换．然后使用多尺度模板匹配 来确定帻中是否包含行人信息，并 对行人进行定位
存在的问题及展望 行人检测是智能车辆辅助驾
驶与智能交通的研究热点，随着计 算机科学、电子技术图像处理 人工智能与模式识别的发展，行人 检测已经在多学科交叉中取得了可 喜的成绩尽管很多学者适行了有 益尝试．并且取得了可曼的成绩． 但是由于行人检测存右●、蕈艰难解 决的问题．使得行人·ｊ州直是一 个挑战。目前存有一司韪｝要有以 下几个方面：
万方数据
＃※＃班用ＡＰＡ ｃＮａ ７ｌ＿０ ２
Ｓｕｒｖｅｙ ｏｆ Ｐｅｄｅｓｔｒｉａｎ Ｄｅｔｅｃｔｉｏｎ ｆｏｒ Ｉｎｔｅｌｌｉｇｅｎｔ Ｖｅｈｉｃｌｅ
点。但是它获取的图像信息比轻复 杂．要处理的数据量很大，还容易 受光照天气和遮挡的影响。基于 单目移动拍摄下的行人检测方法． 把行人分解为多个部件进行识别；
二维人体模型是应用最广泛的 模型，倒如～种名为ｃｏａｒｓｅ—ｔｏ— ｆｌｎｅ的行人检测方法．该方法把 一个人建模成人体自然部位的组 装．所用部位包括头肩躯干和 腿．首先用全身检测器找到行人 候选区．然后用基于贝叶斯决策 的维舍算法进一步确定候选者中 的行人．实验结果表明这种方法 有很好酌检测性能，
三维人体模型也被称为立体模 型．主要是利用球、椭圆柱广义 锥台等模型来描述人体的结构细 节＝这种模型在处理姿态问题、视 角变化和遮挡问题上有显著优势． 但是这种模型要求更多的计算参 数。由圆柱体组成的三维模型．通 过采用卡尔曼滤波获得图像模型的 参数估计。
（２）行人检测万法：随着研究 的深人，原有方法得纠完善．新 的方法大量出现，然而现有的力 法还难以同时满足检测速度快 检测率高和误报率低。
（３）性能评价系统： 个标准 的行人检测评价系统可以评价各 种行人检测方法的综台性能，分 析它们的优、缺点．为进步的 开展工作提供便利．目前还没有 标准的评价指标。
从目前发展来看，暑用多传感 器融合技术是行人植潮日勺主要研究 方向．采用不同传感器获取信息， 然后选择台适的万法进行信息融 合．使得获得的信息具有单传感器 不具备的优势；如何选择更好的特 征或者恰当地选择多种特征进行纬 台处理也是研究的热点；从图馋一 快速、准确地识别出行人是哥旯的 目标，现有地分类机制ｉ，；板匹配 方法还不能很好的宴：：需要进 步完善。
减：ｉ：：ｉ；！鬟；！！
注的问题．开展行人检测技术研 究，及时告知驾驶员车辆前方有行 人的存在．并进行安全预謦，对减 少和避免车辆与行人发生碰撞事故 有着重大意义
行人检测现状 由于行人检测面临眇工作珥境
比较复杂，而且胜能要求很高．因
此成为计算机科学、图像处理 自 动化与控制人工智能和横瓦识别 等多学科交叉的研究热点行人检 测的主要万法有基于传感器基于 特征提取、基于人体模型、基于统 计分类基于模板匹配等：
单一的传感器不能完威行人检 测的需要．因此，多传感器融台就 成为新的方向。具体来说就是采用 不同娄型的传感器检测不同类型的 信息．然后对信息进行综合处理． 充分利用各种传感器的优势。使得 达到最优效果。单毫米波雷达与单 光学摄像头信息融合的检测方法． 采用雷达进行ｇＥ离测量和摄像头进 行车道标记检测。