復雜交通場景中基于視覺的行人檢測

李玲 李艷樂

DOI：10.19392/j.cnki.16717341.201720002

摘要：針對行人檢測系統自身實時性和魯棒性的需要，提出一種多種特征融合的行人特征提取算法。該算法對Haarlike特征易受光照影響魯棒性差的不足進行改進，并結合Edgelet特征能夠有效處理行人遮擋的優勢，通過特征融合提高系統的檢測精度和效率。

關鍵詞：行人檢測；Haarlike特征；Edgelet特征

智能交通系統是一個全面綜合的交通運輸管理系統，目的是為了減少交通事故、提高交通效率等。基于視覺的行人檢測技術是智能交通系統發展應用的核心技術之一，是開展行人行為理解、交通參數提取等后續工作的基礎和前提。由于行人自身的非剛體性和交通環境的復雜性，使得建立一個成熟的、實用化的行人檢測系統非常困難，主要面臨的問題是：（1）檢測場景自身復雜性的問題；（2）行人的姿勢不確定問題；（3）行人檢測實時性的問題。因此，建立一套適用的行人檢測系統還有很多的提升空間，其中對行人檢測算法進行改進是解決問題最有效的方法。

1 行人檢測原理及方法

基于視覺的行人檢測技術一般是通過攝像頭對監控區域進行拍攝，再通過圖像處理、模式識別等技術把行人從視頻中提取出來。行人檢測方法主要有：（1）基于背景差分的檢測方法。（2）基于幀間差分的檢測方法。（3）基于模板匹配的檢測方法。（4）基于光流的檢測方法。（5）基于機器學習的檢測方法。行人檢測特征提取算法都具有各自的優點，同時也存在各自的不足，單獨使用往往不能滿足場景自身的復雜性和時不變性的要求，為此，本文通過使用兩種特征提取算法，在保留并改進原算法優點的基礎上，通過相互融合，彌補兩種算法的不足，使該算法能更好地實現行人檢測。

2 多種特征融合算法

本文主要對Haarlike特征和Edgelet特征進行特征融合，如下圖所示。首先使用Haarlike特征進行行人檢測，在保留Haarlike特征實時性好的優點下，通過引入局部二元模式減弱易受光照影響的弱點，使其能夠適應復雜場景的變化，得到較高的行人檢測率，但同時產生了較高的虛警率。為了進一步降低系統檢測的虛警率，對使用Haarlike特征進行行人檢測后的候選人進行Edgelet特征檢測，充分發揮了Edgelet特征檢測的優勢。通過 Edgelet特征對已檢測的候選行人進行再判別，不僅降低了Edgelet特征計算量龐大的缺點，而且消除虛警率并實現較高精度的快速行人檢測。

多種特征融合算法行人檢測系統圖

（1）基于 Haarlike 特征的行人檢測。

Haarlike 特征是行人檢測領域中的一種常用標量特征，其優點是算法簡單并容易實現，實時性較好，適用于行人較為稀少，遮擋情況不嚴重的行人檢測環境。主要計算公式如下：

F（r）=α∑（x，y）∈SBi（x，y）-β∑（x，y）∈SWi（x，y）

其中SB表示深色區域，SW表示淺色區域，i（x，y）表示像素點（x，y）的值，α，β分別表示黑色區域和白色區域的數量。

針對Haarlike 特征容易受到光照變化、環境遮擋等因素的影響，為了加強其光照不變性，將Haarlike 特征進行二值化，對其加以改進，計算方式如下：

bj（x）=1（s1）j-（s2）j>00otherwise

（s1）j和（s2）j分別是黑色區域和白色區域內像素點的亮度值之和。通過對傳統Haarlike 特征進行二值化改進，使得Haarlike 特征只含有標志信息，減少光照的影響，不會因為外部光照的變化而引起特征值的改變。

（2）Edgelet 特征。

Edgelet 特征主要對人體的各個部分（頭、身體、胳膊和腿）進行識別，并結合聯合概率進行判斷檢測的物體是否為行人。該算法的優點是能夠在行人相互遮擋的情況下取得良好的檢測效果，但是缺點也很突出，需要和圖像中大量的相似形狀邊緣進行匹配，計算量相當大。如果能夠提前縮小檢測范圍，減少計算量，該方法的可行性和實用性將得到大大提高。該特征由一組邊緣點組成特征算子，再將其與圖像相似形狀邊緣特征進行匹配得到響應值，響應值越大，表示形狀相似度越高，反之則越低。響應值計算公式為：

S（x，y）=1k∑ki=1Ie（x+ui，y+vi）

式中，k為點的數量，（ui，vi）為該點的Edgelet中的位置，Ie（x+ui，y+vi）為圖像中對應點（ui，vi）的邊緣強度，Ne（x+ui，y+vi）為圖像中點（x+ui，y+vi）的梯度法向量，ni為該點的法向量的內積。

3 實驗分析

為了驗證Haarlike特征和Edgelet特征融合算法的有效性和實用性，進行如下實驗。首先從行人樣本庫里提取樣本，并利用本文提出的特征融合算法及其它方法分別進行實驗，比較行人檢測的最終效果。為了能夠定性定量的對實驗結果進行分析，在實驗中選擇檢測率、虛警率及檢測時間等指標來分析檢測結果。由下表可知，特征融合算法在檢測率和檢測速度上比其他行人檢測算法有所提高，但是在虛警率上仍然存在不足。

4 總結

本文提出了一種Haarlike特征和Edgelet特征融合的行人檢測方法，該方法在檢測率和檢測速度方面都得到了提高，但是該方法還存在虛警率過高的問題，針對文中工作的不足，下一步研究將使用更好的方法來降低虛警率。

參考文獻：

[1]田仙仙，鮑泓，徐成.一種改進HOG特征的行人檢測算法[J].計算機科學，2014.

[2]陳超，宣士斌，徐俊格.復雜背景下的行人檢測與分割[J].計算機工程與應用，2012.

[3]許言午，曹先彬，喬紅.行人檢測系統研究新進展及關鍵技術展望[J].電子學報，2008.

課題：本課題受衡水學院校級課題“智能交通的行人檢測系統關鍵技術研究”支撐，課題編號：2016L018

作者簡介：李玲（1982），女，講師，碩士，主要從事數字圖像處理的研究；李艷樂（1984），男，講師，碩士，主要從事智能控制的研究。