联系我们 contact us
地址:北京市朝阳区汤立路
   218号明天·STUDIO·A座
010-84678879

您当前所在位置:主页>技术共享>智控自控>

行人是路面上的高危群体楼宇自控
时间:2018-08-15 08:12 作者:佚名 点击:

行人是路面上的高危群体,行人检测成为安全驾驶领域的一个研究热点。基于视觉的行人检测过程分为个连续的步步骤:行人定位、行人识别和行人跟踪。热电堆和红外传感器是一种环境友好型的传感器,是不需要照亮周围环境,就可以被动地完成行人检测任务。

过去的20年里,视觉传感器在智能交通系统中变得越来越重要。一方面,从交通基础设的角度来看,使用基于交通流监视器的视觉技术以及相关的控制策略,可以显著提升现有交通数据收集和道路监控方法的效果。另一方面在视觉传感器的帮助下,现代驾驶人辅助系统可以对危险情况和错误的驾驶行为提出预警,例如偏离车道,忽视交通标志等;如果驾驶人没有做出反应,辅助系统甚至会做出自动控制车辆的举动。现阶段,基于驾驶安全系统的视觉技术已成为下一代交通工具的必要组成部分。

在过去的30年里,基于安全驾驶的视觉技术受到广泛关注,产生了大量研究成果,前景广阔。从功能上看,视觉传感器分为两类,监控车内环境的车内传感器和监控车外环境的车外传感器,如图所示。

视内和视外智能视觉传感器的划分与功能

CMOS/CCD摄像头是智能交通工具中应用最广泛的视觉传感器。正如许多文献中提到的那样,在响应速度、安装、操作、维护,监控范围等方面CMOS/CCD摄像头优于其他许多传感器。但是CMOS/CCD摄像头只有在比较理想的工作环境下才有完美的表现。在实际场景下,树木、云朵的阴影和微弱的光照条件等因素,都会导致难于获取对比度较好的清断图像。

近期,作为摄像头替代品的毫米波段雷达、激光和红外传感器得到了研究人员的积极尝试。这些新型传感器的优势是受天气、光照的干扰小。尽管CMOS/CCD摄像头还难以被完全取代,但新型传感器已经在大量应用场量中取代了传统的摄像头。

这些新型传感器被看作是一般的视觉传感器来进行讨论,我们还将考虑不同视觉传感器的信息融合问题。

智能车辆的基本视觉传感器任务有以下几点:

(1)车外视觉传感器

1)提取车道边界,特别是在车道边界未被清楚地标明和恶劣天气场景下。

2)检测车辆行驶情况,估计它们的位置、速度和加速度。

3)识别相关的交通标志和交通信号灯。

4)测其他交通参与者、障碍,例如行人和大石块。

(2)车内检测传感器

1)监测驾驶人的眼部动作情况,应用于疲劳检测过程。

2)监测驾驶人的手部运动,完成假设行为学习。

3)监测驾驶人、乘客的姿势和头部位置,从面进行精准的气囊保护。

为了了解该领域其他研究人员的成果,本章首先对该研究领域的成果进行了汇总。同时论述了相关的研究工作和存在的问题,并着重讨论了以下两个问题:

①  觉和非视觉传感器的磁合;

②  视觉信息在车内、车间通信过程中的共享问题。

基于视觉信息进行行人识别的优势

行人是路面上的高危群体。欧洲每年因交通事故受伤的行人超过15万人,致死的超过6000人。美国交通事故中有12%及行人。中国在2004年有9217人因交通事故致死,其中三分之一是行人。为了解决这一问题,过去20年里,行人检测成为安全驾驶领域的一个研究热点。

研究人员Gavrila使用分类的思路来进行行人运动检测,该方法基于两个准则:限踪空间的维度(二维或三维)和模型类型(例如空间信息的、统计的和基于板图的)。尽管该方法在智能监控、虚拟现实、运动分析和其他应用中表度良好,但在运动车辆上,其对行人的检测效果大打折扣。研究者Lombardi提出了一种新的分类方法。根据其处理过程是否包含两个步骤,首先将这些方法分为三组:二步法、单步法和“盲”方法。

然后将这些方法分成检测步和识别步骤。检测步骤主要有光流法、背景差分法、阈值法和行人模板法。识别步骤主要有运动分析和利用兴趣点的人体形状分析法。然而,该分类方式并没有考虑使用行人检测方式完成跟踪过程的方法。在下面的内容中,基于视觉的行人检测过程分为个连续的步步骤:行人定位、行人识别和行人跟踪。

使用CCD/CMOS摄像头的行人检测

1.行人定位

检测步骤的目的是找到行人可能出现的区域,然后在这些区域中完成行人识别和跟踪过程。与车辆检测类似,该领域的三种主要方法是基于先验知识的方法、基于立体视觉的方法和基于运动的方法。

许多方法使用了人体的形状信息。这些方法一般不需要时间维度的信息,可以避免背景变化带来的问题。另一方面,由于行人运动过程中身体形状多变,会给这种方法带来极大的计算量。例如,Curio等研究人员首先根据局部图像熵值来获取主动区域,然后进行形状匹配。该方法使用𝢧궦𝥨ᨧ亥䚥𚄨忩㨥𝢧궤🡦ᯣ¦�䖯𜌥𛬤𝿧𔨩ƩϨ熦𘠥𐄦𝥦〦𕋧🭨𗝧滩𚜧⍧驣¦𜀥𐎯𜌤𛖤𛬤𝿧𔨄AF( Dynamic Activation Field,DAF)策略来进行下一步的处理,如下图所示。

左图是使用熵信息、轮廓信息和三维信息来得到DAF,然后进行初次行人检测的示例。右图是行人行走模型的典型步态,a-l是行人行走过程的12个阶段。

另一种行人潜在区域的检测方式是使用立体图的方法,例如,有研究者使用基于多变量的判别分析方法来提取三维物体的特征,最终得到区分行人和周围物体的三个有效变量。还有的研究者使用两个车载摄像头成对图像中的位置差别来计算得到主体车辆与某特征点的距离。同时,他们使用梯度方向光流法来检测物体的运动情况。结合立体视觉方法和运动信息方法的优势,他们提出了光流和深度约束法,该方法可以在多种情况下快速完成行人的检测任务。

对于提取兴趣区域而言,行人运动信息至关重要。基于运动信息的行人定位方法的一个优势是可以检测被其他行人部分遗挡的行人。然而,该方法需要分析多帧的信息,这大大增加了运行时间和计算量。同时,该方法不能检测静态的行人,所以该方法常常用于行人识别过程。

2.行人识别

网站地图 | RSS订阅 | RSS地图 | 网站首页 | 关于我们 | 技术共享 | 产品中心 | 成功案例 | 加盟我们 | 客户服务 | 联系我们 |
工况监测
    地址:北京市朝阳区汤立路218号明天·STUDIO·A座
    电话:0086-10-8467  8879      TEL:0086-133  6699  5587   (电话推销勿扰)
    版权所有:新企力(北京)检测服务有限公司   工作时间:(周一至周五  8:30-17:30)
    邮箱:web#xqili.com   京ICP备15050323号  
关闭