第３０卷第９期 计算机仿真 ２０１３年９月 文章编号：１００６—９３４８（２０１３）０９－０１６１—０４ 复杂动态场景下基于道路平面提取的行人检测 衡浩。熊惠霖 （上海交通大学自动化系，上海２００２４０） 摘要：研究交通安全调度优化问题，提高交通安全的高级辅助驾驶系统中的行人保护技术，是近年来热门的研究方向。其 中，最严峻的挑战是建立可靠的车载行人检测系统。与普通静态图像的行人检测相比，复杂动态场景下车载视频中的行人 检测面临实时性要求高、光照条件复杂等难点。针对上述问题，提出结合ＨＯＧ行人检测方法和道路平面提取技术，将目标 搜索范围限定在道路平面区域。实验结果表明，改进方法在降低虚警数量和提高检测速度的同时，显著提高了对小目标行 人的检测效率。 关键词：行人检测；路面提取；色彩空间；动态场景；梯度方向直方图 中图分类号：ＴＰ３１７．４ 文献标识码：Ｂ Ｐｅｄｅｓｔｒｉａｎ Ｄｅｔｅｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｒｏａｄ Ｓｕｒｆａｃｅ Ｅｘｔｒａｃｔｉｏｎ ｉｎ Ｄｙｎａｍｉｃ Ｃｏｍｐｌｅｘ Ｓｃｅｎｅｓ ＨＥＮＧ Ｈａｏ．ＸＩＯＮＧ ＨＵｉ—ｌｉｎ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｓｈａｎｇｈａｉ Ｊｉａｏ Ｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２４０，Ｃｈｉｎａ） ＡＢＳＴＲＡＣＴ：Ｔｈｅ ｐｅｄｅｓｔｉｒａｎ ｐｒｏｔｅｃｔｉｏｎ ｓｙｓｔｅｍ（ＰＰＳ）ｕｓｅｄ ｉｎ ｔｈｅ ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔｎａｃｅ ｓｙｓｔｅｍ（ＡＤＡＳ）ｔｏ ｉｍ— ｐｒｏｖｅ ｔｒａｆｉｆｃ ｓｆａｅｔｙ ｈａｓ ｂｅｃｏｍｅ ａ ｈｏｔ ｒｅｓｅａｒｃｈ ａｒｅａ ｉｎ ｓｃｈｅｄｕｌｉｎｇ ａｎｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｔｒｆａｉｆｃ ｓｆａｅｔｙ．Ｔｈｅ ｍａｊｏｒ ｃｈａｌ— ｌｅｎｇｅ ｏｆ ＰＰＳ ｉｓ ｈｏｗ ｔｏ ｄｅｖｅｌｏｐ ａ ｒｅｌｉａｂｌｅ ｏｎｂｏａｒｄ ｐｅｄｅｓｔｉｒａｎ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ．Ｃｏｍｐａｒｅｄ ｔｏ ｄｅｔｅｃｔｉｎｇ ｐｅｄｅｓｔｉｒａｎ ｉｎ ｓｔａｔｉｃ ｉｍａｇｅｓ，ｏｎｂｏａｒｄ ｐｅｄｅｓｔｉｒａｎ ｄｅｔｅｃｔｉｏｎ ｉｓ ｆａｃｉｎｇ ｓｏｍｅ ｎｅｗ ｄｉｆｉｆｃｕｌｔｉｅｓ，ｓｕｃｈ ａｓ ｈｉｇｈ ｒｅａｌ－ｔｉｍｅ ｄｅｍａｎｄ，ｗｉｄｅ ｒａｎｇｅ ｏｆ ｉｌｌｕｍｉｎａｔｉｏｎ ｃｏｎｄｉｔｉｏｎｓ ａｎｄ ＳＯ ｏｎ．Ｔｏ ｈａｎｄｌｅ ｔｈｅｓｅ ｃｈａｌｌｅｎｇｅｓ，ａｎ ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｂｙ ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｈｉｓｔｏｇｒａｍ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔ（ＨＯＧ）ｆｅａｔｕｒｅｓ ｗｉｔｈ ｒｏａｄ ｓｕｒｆａｃｅ ｅｘｔｒａｃｔｉｏｎ ｔｅｃｈｎｉｑｕｅ，ＳＯ ｈｔａｔ ｔｈｅ ｓｅａｒｃｈ ｒｅｇｉｏｎｓ ａｒｅ ｏｎｌｙ ｌｉｍｉｔｅｄ ｏｎ ｔｈｅ ｅｘｔｒａｃｔｅｄ ｒｏａｄ ｓｕｒｆａｃｅ．Ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｈ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃａｎ ｒｅｄｕｃｅ ｔｈｅ ｆａｌｓｅ ａｌａｒｍ ｒａｔｅ， ｉｍｐｒｏｖｅ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｓｐｅｅｄ，ａｓ ｗｅｌｌ ａｓ ｓｉｇｎｉｉｆｃａｎｔｌｙ ｉｍｐｒｏｖｅ ｔｈｅ ｓｍａｌｌ ｐｅｄｅｓｔｒｉａｎ ｄｅｔｅｃｔｉｏｎ ｒａｔｅ． ＫＥＹＷＯＲＤＳ：Ｐｅｄｅｓｔｒｉａｎ ｄｅｔｅｃｔｉｏｎ；Ｒｏａｄ ｄｅｔｅｃｔｉｏｎ；Ｃｏｌｏｒ ｓｐａｃｅ；Ｄｙｎａｍｉｃ ｓｃｅｎｅｓ；Ｈｉｓｔｏｇｒａｍ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ １ 引言 道路上的行人进行检测与预警是ＡＤＡＳ进行行人保护的有 随着汽车数量的不断增加，面对频繁的交通事故，保护 效途径。 交通安全已经成为一个重要的社会问题。目前，以“高级辅 与普通静态场景的行人检测相比，车载摄像头系统在动 助驾驶系统”（ＡＤＡＳ）…为代表的车载智能辅助驾驶系统的 态场景下行人检测的难点，除行人外观、衣着、姿态等多样性 研究吸引了汽车工业界和机器视觉领域研究人员的广泛关 外，更多是来自场景的快速变化带来的困难：由于驾驶环境 注。ＡＤＡＳ的目的在于及时预警可能发生的交通事故并辅助 的多样性（例如清晨、傍晚等），场景光照会发生变化；由于车 驾驶员避免事故的发生或减轻事故的严重程度。行人保护 辆的移动，目标检测的背景也在快速的变化。这些都给行人 系统是ＡＤＡＳ的重要组成部分，其目的在于通过提醒驾驶员 保护系统中的行人检测带来了巨大的挑战。 车辆周围行人的存在并辅助驾驶员进行制动转向等操作来 复杂动态场景下的行人检测是计算机视觉领域的一个 避免车辆与行人之间交通事故的发生。鉴于车辆与行人的 热门话题，许多研究人员和学者对其做出了深入的分析研 交通事故统计，特别是严重的交通事故，绝大部分发生在车 究。归纳现有的行人检测方法，大致可以分为三类：第一类， 辆前端，因此采用前向摄像机采集实时交通视频信息，并对 基于行人边缘模板的方法。此方法由Ｇａｖｒｉｌａ ２ 提出，直接使 用行人轮廓模板对整幅图像进行扫描，将相似度大于设定阈 基金项目：国家自然科学基金资助项目（６１０７５１０６） 值的检测窗口标记为行人。第二类，基于行人模型的方法。 收稿日期：２０１２—１２—２０ 此方法主要思想是使用已经定义的行人形状模型对图像进 一】６】一 行扫描以识别行人目标，根据模型的不同可以分为人体线性 色空间中，相同颜色物体在不同光照条件下的投影点呈线性 模型 ３ 与人体立体模型 。第三类，基于特征学习的方法。 此类方法通过方法提取不同的行人特征，使用由机器学习方 法训练得到的分类器对行人目标进行检测。常见的有小波 特征 ｊ、ＥＤＧＥＬＥＴ特征 Ｊ、ＨＯＧ特征 等。 近年来，基于特征学习的方法在行人检测中得到了广泛 关系，在 上投影长度相同；不同颜色物体在不同光照条件 下的投影点形成的直线相互平行，在 上的投影长度不相 同。简而言之，ｚ。可以被看作灰度轴，每一个灰度等级（即投 影长度）代表一种与光照无关的颜色。因此通过将ＲＧＢ图 像中每个像素投影到对数颜色空间，然后对１ 投影，以归一 化后的投影长度为灰度值形成的灰度图便对光照具有不变 性。实际情况中，无阴影区域被太阳直射光和云层漫反射光 的应用。其中，梯度方向直方图（ＨＯＧ）特征描述子结合支持 向量机（ＳＶＭ）分类器的方法在静态图片行人检测中表现出 优异的性能。但是，由于使用全尺度滑动窗口方法所产生的 待检测窗口数量过多导致检测时间较长，以及固定窗口大小 的ＨＯＧ描述子不能对小目标行人进行有效描述导致检测率 同时照射，而阴影区域仅被云层漫反射光照射，因为云层漫 反射光和太阳直射光都可以被视作Ｐｌａｎｃｋｉａｎ光源，所以颜 色相同的阴影区域和非阴影区域在 上的投影长度相同，即 较低的缺点，使这种方法不能用于复杂动态场景中的行人的 检测。本文针对这些问题做出改进，提出了一种基于路面提 取的行人检测方法。 基于减少搜索窗口数量的思路，通过分析车载摄像头采 集到的视频序列特点，本文提出了一种在动态场景下检测行 人的有效方法：首先，在光照不变空间中进行道路平面检测； 其次，基于道路平面提取行人可能存在区域；最后，对感兴趣 区域进行尺度缩放至搜索窗口大小进行行人检测。主要创 新点有三个：第一，在光照不变空间转换中，提出一种新的标 定相机内参方法；第二，结合道路平面与小孔成像原理提取 行人可能存在区域；第三，将道路提取与行人检测有效的结 合起来。通过实验验证，本文提出的方法不仅缩短了检测时 间、降低了误检率，而且提高了对小目标行人的检测精度。 ２道路平面提取 正常情况下，行人仅可能出现在道路平面上。因此，通 过小孔成像模型得到与车辆不同距离的行人在图像中的成 像尺寸，结合道路平面，便可以得到准确的行人可能存在区 域。本文首先进行道路平面提取。 现有的很多道路平面检测方法对于光照变化敏感，特别 是在阴影存在的情况下很难检测出完整的道路平面，而在正 常的行车过程中，这些情况是无法避免的。针对这一问题， 本文首先将ＲＧＢ图像转换到光照不变空间 以消除阴影影 响，然后在光照不变空间中进行道路平面检测。 ２．１光照不变空间 Ｆｉｎｌａｙｓｏｎ ｅｔ ａ１．［９ ３证明了具有Ｌａｍｂｅａｉａｎ平面物体在 Ｐｌａｎｃｋ光照下通过窄带宽传感器形成的ＲＧＢ图像可以被转 换成对光照具有不变性的灰度图。并且通过实验验证，阳光 照射下的真实世界在普通相机中的成像符合上述条件。下 文具体介绍阴影消除原理和实现方法。 令Ｒ，Ｇ，Ｂ分别代表原ＲＧＢ图像中像素的三通道值，对每 个像素以Ｇ通道值为标准进行对数颜色空间（１ｏｇ— ｃｈｒｏｍａｔｉｃｉｔｙ ｃｏｌｏｒ ｓｐａｃｅ）投影，即令ｒ＝ｌｏｇ（Ｒ／Ｇ），ｂ＝ ｌｏｇ（Ｂ／Ｇ），如图１所示。Ｆｉｎｌａｙｓｏｎ ｅｔ ａ１．通过对相机成像的 光学原理分析后指出：对数颜色空间中存在 （倾角为０的直 线）可以消除光照强度变化对成像的影响。原理是在对数颜 一ｌ６２一 在光照不变图中的灰度值相同。 图１ 对数颜色空间投影示意图 按照上述理论可知，０的计算是得到光照不变灰度图最 重要的部分。由于０不会随着物体和光照的变化而改变，可 以把它视作摄像机内参并通过离线方法学习得到。基于同 种颜色在不同光照条件下在 上投影长度基本相同的特点， 本文提出了一种新的使用标准差计算０的方法。 首先，将ＲＧＢ图像投影到对数颜色空间，然后对每个投 影点在ｌ 上做投影，以归一化后的投影长度作为灰度值构成 灰度图 。 其次，为了排除道标线和其它干扰因素形成的离群点对 计算结果的影响，试验中使用灰度值居于中间９０％的像素 点进行标准差计算。 １）通过式（１）计算 灰度均值 。 １ ＝ １∑Ｈｉ （１） ‘’ ｌ ｌ 其中， 为图像中第 个点的灰度值，Ⅳ为 中灰度值居 于中间９０％的像素点总个数。 ２）通过式（２）计算标准差。如果 ≠ ，计算得到的 值将偏大。反之， 值将会偏小。 ＝ ａ（２） 最后，为了消除偶然误差对实验结果的影响，计算 张图 片在每个角度下的标准差均值 ，通过观察 变化即可 利用本文算法进行通信信号源定位，获取的定位结果与 定位方法，完成信号源定位。实验结果表明，利用本文算法 实际信号源空间位置之间的误差，能够用图７进行描述。 进行通信信号源定位挖掘，能够提高定位的准确性，取得了 根据上述实验能够得知，利用传统算法进行通信信号源 理想的效果。 定位，定位结果的误差远远高于本文算法，充分展示了本文 算法的优越性。 参考文献： 对上述实验过程中的相关数据进行整理分析，能够得到 ［１］ 邓宏彬，贾云得，刘书华．一种基于无线传感网络的星球漫游 表１。 机器人定位算法［Ｊ］．机器人，２００７，２９：３８４—３８８． ［２］王福豹，史龙，任丰原．无线传感器网络中的自身定位系统和 表１实验结果数据表 算法［Ｊ］．软件学报，２００５，１６：８５７—８６８． ［３］孙佩刚，等．智能空间中ＲＳＳＩ定位问题研究［Ｊ］．电子学报， ２０ｏ７．３５：１２４０－１２４５． ［４］ 张彬，陈放，刘加广．用于军事通信网络规划分析的免疫系统 多目标优化算法［Ｊ］．国防科技，２０１２—３：２７—３１． ［５］宋延军．蒙东地区电力通信系统网络优化探究［Ｊ］．才智， ２０１２，１６：４８． ［６］许利军，肖文显．人口密集区域移动通信优化方法研究与仿真 ［Ｊ］．计算机仿真，２０１２—８：１４６—１４９． ［７］ 龚福祥，王庆，张小国．通信网络中的ＧＰＳ／ＴＤＯＡ混合定位算 法［Ｊ］．中国惯性技术学报，２０１１～２：２０９—２１３． ［８］梁力，一种网络多次变异信息入侵检测算法［Ｊ］．科技通报， ２０１２，１０（２８）：５５－５７． ［９］ Ｇｕｏ Ｌｉｎ—ｓｕｎ ａｎｄ Ｗｅｉ Ｇｕｏ．Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｄｉｓｔｉｒｂｕｔｅｄ Ｌｏｃａｌｉｚａｔｉｏｎ 通过上述实验能够得知，利用本文算法进行通信信号源 Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ Ｗｉｔｈ ａ Ｍｏｂｉｌｅ Ｂｅａｃｏｎ［Ｃ］．Ｎｅｔｗｏｒ－ 定位，能够避免传统算法由于通信环境复杂性较强造成的噪 ｋｉｎｇ，Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｎｔｒｏｌ，２００４ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ． 声频带和定位信号频带叠加的缺陷，从而提高了通信信号源 Ｔａｉｗａｎ，２００４：５３６—５４０． 定位的准确性。 ５结语 本文提出了一种含噪混合通信数据中信号源定位挖掘 算法。根据粒子运动状态方程，实现通信信号的滤波处理， 为信号源定位提供准确的数据基础；利用通信节点同心圆 目 ［通秦师冯信广，，主要研究方向：计算机应用、主；丽 勤要研（１究９７８方３一向），：女计作算（汉者机族简软）介件，河山及］人工智能。 南东应郑成用武州、计人 算，硕机士网，讲络 ｌ（上接第１６４页） ［３］ Ｙ ｗ ｘｕ，ｘ Ｂ Ｃａｏ，Ｈ Ｑｉａｏ．Ａｎ ｅｆｉｆｃｉｅｎｔ ｔｅｒｅ ｃｌａｓｓｉｉｆｅｒ ｅｎｓｅｍｂｌｅ— ［８］Ｇ Ｆｉｎｌａｙｓｏｎ，Ｓ Ｈｏｒｄｌｅｙ，Ｃ Ｌｕ．Ｏｎ ｔｈｅ ｒｅｍｏｖａｌ ｏｆ ｓｈａｄｏｗｓ ｆｒｏｍ ｂａｓｅｄ ａｐｐｒｏａｃｈ ｆｏｒ ｐｅｄｅｓｔｉｒｎａ ｄｅｔｅｃｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥ ＰａＲｅｍ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ， Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ，２０１ｌ，４１（１）：１０７—１ｌ７． ２００６，２８（１）：５９—６８ ［４］ 王亮，胡卫明，谭铁牛．人运动的视觉分析综述［Ｊ］．计算机学 ［９］ Ｊ Ｍ Ａ Ａｌｖａｒｅｚ，Ａ Ｍ Ｌｏｐｅｚ．Ｒｏａｄ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｉｌｌｕｍｉｎａｎｔ ｉｎ． 报，２００２，２５（３）：２２５—２３７． ｖａｒｉａｎｃｅ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓ－ ［５］Ｍ Ｏｒｅｎ，ｅｔ ａ１．Ｐｅｄｅｓｔｒｉｎａ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｗａｖｅｌｅｔ ｔｅｍｐｌａｔｅｓ［Ｃ］． ｔｅｒｎｓ，２０１１，１２（１）：１８４－１９３． ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＣＶＰＲ，１９９７：１９３－１９９． ［６］ｗｕ Ｂ０，Ｒ Ｎｅｖａｔｉａ．Ｄｅｔｅｃｔｉｏｎ ｆｏ ｍｕｌｔｉｐｌｅ，ｐａｒｔｉｌａｌｙ ｏｃｃｌｕｄｅｄ ｈｕ— ［作者简介］ ｍａｌｌｓ ｉｎ ａ ｓｉｎｇｌｅ ｉｍａｇｅ ｂｙ Ｂａｙｅｓｉｎａ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｅｄｇｅｌｅｔ ｐａｒｔ ｄｅ— 衡浩（１９９０一），男（汉族），安徽凤阳人，上海交通 ｔｅｅｔｏｒｓ［ｃ］．ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ。 大学自动化系，硕士研究生，主要研究领域为模式识 ２００５。（１）：９Ｏ一９７． 别与图像处理； ［７］Ｎ Ｄａｌａｉ。Ｂ Ｔｒｉｇｇｓ．Ｈｉｓｔｏｇｒａｍｓ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ ｆｏｒ ｈｕｍａｎ ｄｅ． 熊惠霖（１９６４一），男（汉族），湖北省荆门市人，教 ｔｃｅｔｉｏｎ［Ｃ］．ＣＶＰＲ，２００５：８８６—８９３． 授，主要研究领域为图像处理与机器视觉和方法的 研究。 －－－——１９３・－———
