车载环境下实时行人检测模型的构建研究摘要近些年，车载环境下的实时行人检测技术获得了广泛的关注,是智能车辆领域及计算机视觉的一个重要研究方向。基于侧面行人特征的实时行人检测预警系统的提出，是针对重特大交通事故屮的行人保护问题。预警模块及检测模块构成了系统，检测模块通过侧面行人样本库完成行人特征的提取及检测，得到一个具有低误检率及高检测率的结果，同时应用快速窗口扫描算法及窗口拆分法提升检测效率。文章针对车载环境下实时行人检测模型的构建进行研究。关键词行人检测技术；车载化境；模型构建中图分类号TP3文献标识码A文章编号1674-6708(2017)181-0031-02通过利用计算机视觉相关技术，判断视频中是否存在行人，分析架设在车辆上的摄像机得到的视频，假设存在行人给出其确切的位置，这就是车载视觉系统中的行人检测。作为智能车辆的重要组成部分，车载行人检测系统可以保证行人的生命财产安全，有效提升驾驶安全性，近些年长期受到了业界的重视程度。通过着装、尺度、视角、遮挡、姿态等，在车载环境下的实时行人检测技术，有一些常见的外观差异问题存在于一般人休检测中。也具有一些摄像机的口身运动考虑、检测耍求实时、光线变化耍求鲁棒的难点，这是自身所特有的。对象识别及感兴趣区域分割这两人模块，存在实时性及鲁棒性的双重要求，一般都包含在现有车载环境下的实时行人检测系统之中。1车载环境下实时行人检测模型的构建算法是行人检测预警系统的核心，特征分析法及模型匹配法是行人检测算法通常所包含的两种方法。实用性不强，作为独立的行人检测技术，相比较而言，基于特征的行人检测算法因其自身所具有的优势特色，是当前主要的研究方向。本文模型引入了一种窗口拆分法和引进的上下文扫描算子，使现有的行人算法应用于车载设备成为可能，使原本耗时的算法在车载嵌入式系统上具有可以满足实时性要求的应用效率。验证过程及检测过程是算法所包含的两个过程。1.1行人检测1.3行人验证之前的研究是行人检测中使用最广泛的特征之一，已经成功的用HOG特征来进行物体检测与识別。但是使用HOG特征只是在对误报进行筛选，对整帧图像进行计算是非常耗时的，110G特征的运算时间就明显的降低，仅仅是有限的一些窗口需耍验证，是分类检验阶段。使用SVM分类器及HOG特征验证之前得到的可能行人区域。在计算每一个窗口的HOG特征之前，需要先重新将感兴趣区域的窗口转换成为64PixelX128Pixel。使用已离线训练好的线性SVM分类器进行检测前，先将计算完成一个3780维度的特征向量來描述窗口，从而对非行人及行人进行区分，此过程可以减少误报。1.4分类器及样本库现有的公开样本库，不适用针对侧面行人的检测进行训练，尽管在各自不同的研究方向上表现出了良好的性能。横过街道的行人，是行人检测预警系统的主要应用对象，所以文章采集了侧面行人的样本库，使用车载设备在城市街道。此样本库就为实时性的提升简化了条件，是因为场景针对性强，算法的复杂程度相对较小。首先使用基于AdaBoost及Viola方法来完成训练，是因为需耍训练AdaBoost及SVM两类不同的分类器。使用了n个20PixolX40Pixe1的正样本的，是在侧面行人整体样本的训练中，为训练一个级联分类器，x个不小于正样本大小的负样本。应用LIBLINEARI具，训练线性SVM分类器，使用了19587个负样本及5189个64PixelX128Pixel的止样本完成训练。2结论可以满足实时性的要求，需借助窗口拆分法及OCS得到的行人检测系统。在使用了窗口拆分法及0CS之后，促使行人检测算法在车载实时系统屮的应用成为可能，保持了相同级别准确率。未来应当改进快速检测算法的准确率及效率，继续深入研究针对不同工况下的侧面行人的检测，要和已有的疲劳驾驶系统整合，要在未来的应用中完成车道变线预警的判断功能，形成一个功能更加完备的车载主动安全辅助系统。参考文献[1]郭爱英，徐美华，冉峰，等•基于CS-SD的车载环境下实时行人检测模型[J]・交通运输工程学报，2016(6)：132-139.[2]王国华，刘琼，庄家俊•基于局部特征的车载红外行人检测方法研究[J]•电子学报，2015(7)：1444-1448.[3]肖德贵，辛晨，张婷，等•显著性纹理结构特征及车...