基于熱成像傳感器和激光雷達(dá)的行人識(shí)別方法研究＊

黃宇涵，張洪昌，2

（1.武漢理工大學(xué)汽車工程學(xué)院，湖北 武漢 430070；2.武漢理工大學(xué)重慶研究院，重慶 401120）

汽車智能網(wǎng)聯(lián)技術(shù)已成為全球科技創(chuàng)新領(lǐng)域的焦點(diǎn)，而智能網(wǎng)聯(lián)汽車是繼新能源汽車后汽車產(chǎn)業(yè)的又一制高點(diǎn)。從智能網(wǎng)聯(lián)汽車的技術(shù)架構(gòu)來(lái)看，傳感器在環(huán)境感知技術(shù)中扮演著信息采集的重要角色。由于單一傳感器在信息獲取上具有一定的局限性，因此，多傳感器融合技術(shù)的研究具有重要意義[1]。行人檢測(cè)任務(wù)一直是汽車智能網(wǎng)聯(lián)技術(shù)中的熱門問(wèn)題。當(dāng)前，在國(guó)內(nèi)道路區(qū)域的行人檢測(cè)方面，大都采用功能單一的交通監(jiān)控設(shè)備進(jìn)行區(qū)域性檢測(cè)，如利用紅外攝像檢測(cè)，該方法存在對(duì)比度低、噪聲較多的問(wèn)題；百度自動(dòng)駕駛汽車上的Ⅴelodyne64 線激光雷達(dá)在行人檢測(cè)方面存在工作可靠性不高等問(wèn)題。由于汽車實(shí)際行駛環(huán)境復(fù)雜，現(xiàn)有單一傳感器并不能滿足復(fù)雜路況下的所有需求，為了保證自動(dòng)駕駛的行駛安全性，通常采用數(shù)量眾多的不同類型的傳感器以滿足探測(cè)和數(shù)據(jù)采集的需要，即多傳感器融合技術(shù)。目前來(lái)看，多傳感器融合技術(shù)已成為自動(dòng)駕駛傳感器方案的主流發(fā)展趨勢(shì)[2]。

本文利用熱成像傳感器和激光雷達(dá)組成多傳感器檢測(cè)系統(tǒng)，其中熱成像傳感器具有探測(cè)能力強(qiáng)、作用距離遠(yuǎn)、能直觀顯示物體表面溫度場(chǎng)等優(yōu)點(diǎn)，激光雷達(dá)具有體積小、質(zhì)量輕、分辨率高、抗有源干擾能力強(qiáng)等優(yōu)點(diǎn)。對(duì)熱成像傳感器和激光雷達(dá)所采集的由速度V、體溫T、身高H 及體型高寬比Z 組合構(gòu)成的多源綜合信息進(jìn)行分析和處理，包括對(duì)多源數(shù)據(jù)進(jìn)行檢測(cè)、相關(guān)與組合，從而提高目標(biāo)行人檢測(cè)的準(zhǔn)確度。

基于以上情況，本文提出了一種基于熱成像傳感器和激光雷達(dá)的行人識(shí)別系統(tǒng)及方法，用于解決在固定背景下的行人檢測(cè)問(wèn)題。

1 系統(tǒng)設(shè)計(jì)

該方法是由熱成像傳感器、激光雷達(dá)、接口單元、中央處理單元、電源及聲光警示單元組成。所述的熱成像傳感器通過(guò)USB 線與接口單元連接，激光雷達(dá)通過(guò)網(wǎng)線與接口單元連接，接口單元通過(guò)內(nèi)部總線與中央處理單元連接，中央處理單元與聲光警示單元連接，電源與所有模塊連接。其中，熱成像傳感器傳輸熱成像圖片數(shù)據(jù)給接口單元，激光雷達(dá)將激光雷達(dá)點(diǎn)云數(shù)據(jù)傳給接口單元，接口單元將數(shù)據(jù)濾波傳給中央處理單元，中央處理單元通過(guò)傳輸電平信號(hào)控制聲光警示單元。其流程如圖1 所示。所述的熱成像傳感器用于檢測(cè)行人體溫與體型高寬比信息，激光雷達(dá)用于檢測(cè)行人速度與身高信息，中央處理單元用于處理所有的運(yùn)行算法，聲光警示單元用于警示監(jiān)測(cè)人員。

圖1 結(jié)構(gòu)示意圖

2 行人識(shí)別方法設(shè)計(jì)

行人識(shí)別方法運(yùn)行步驟如下。

步驟1：通過(guò)激光雷達(dá)獲取行人的速度與身高信息，熱成像傳感器獲取行人體溫與體型高寬比信息。

步驟2：提出一種隸屬函數(shù)可變的模糊綜合評(píng)判算法[3]，對(duì)傳感器的多源信息數(shù)據(jù)進(jìn)行融合處理并形成綜合評(píng)判體系，實(shí)現(xiàn)對(duì)目標(biāo)行人的檢測(cè)。其結(jié)構(gòu)示意圖如圖2 所示。

圖2 結(jié)構(gòu)示意圖

2.1 行人檢測(cè)模型

為支持目標(biāo)行人檢測(cè)，對(duì)熱成像傳感器和激光雷達(dá)所采集的由速度V、體溫T、身高H 及體型高寬比Z組合構(gòu)成的多源綜合信息進(jìn)行分析和處理，包括對(duì)多源數(shù)據(jù)進(jìn)行檢測(cè)、相關(guān)與組合，從而提高目標(biāo)行人檢測(cè)的準(zhǔn)確度。根據(jù)傳感器系統(tǒng){激光雷達(dá)，熱成像傳感器}，設(shè)計(jì)行人檢測(cè)模型M，如圖3 所示。

圖3 行人檢測(cè)模型M

2.2 均值可變隸屬函數(shù)

通過(guò)先驗(yàn)知識(shí)，人的速度大致分布在0～10 m/s，體溫分布在36 ℃左右，身高在1～2.5 m，體型高寬比在4 左右，根據(jù)樸素貝葉斯理論[4]，認(rèn)為符合這些給定特征的檢測(cè)對(duì)象屬于“人”這一類別（由于存在識(shí)別誤差，本文給出“無(wú)法識(shí)別”這一模糊判斷），由于行人速度V、體溫T、身高H 及高寬比Z 為人們所熟知，屬于有共識(shí)的客觀模糊現(xiàn)象，根據(jù)模糊理論，可以通過(guò)直覺(jué)法確定上述參數(shù)的隸屬函數(shù)[5]，這里統(tǒng)一對(duì)4個(gè)特征參數(shù)采用高斯函數(shù)進(jìn)行描述。由于在實(shí)際使用過(guò)程中，熱成像傳感器和激光雷達(dá)易受到環(huán)境干擾，可能會(huì)對(duì)測(cè)量結(jié)果造成影響，本文提出一種與影響傳感器運(yùn)行的主要環(huán)境因素的變化規(guī)律有關(guān)的修正函數(shù)f（Δ），對(duì)隸屬函數(shù)的均值進(jìn)行修正[6]（修正前函數(shù)的均值直接加上對(duì)應(yīng)的修正函數(shù)即可，相當(dāng)于原隸屬函數(shù)向左平移了f（Δ）個(gè)單位），其中Δ為影響傳感器運(yùn)行的主要環(huán)境因素，如溫度、風(fēng)速等；設(shè)修正后的均值分別為速度v′、體溫t′、身高h(yuǎn)′、高寬比z′，如圖4所示。

圖4 均值可變隸屬函數(shù)

2.3 評(píng)判矩陣

給出評(píng)判集合V{識(shí)別結(jié)果非人 無(wú)法識(shí)別 識(shí)別結(jié)果為人}，分別將收集的4 個(gè)傳感器的數(shù)據(jù)代入圖2 所示的相應(yīng)隸屬函數(shù)中，例如，將激光雷達(dá)收集的身高數(shù)據(jù)代入步驟2 確定的有關(guān)身高的隸屬函數(shù)中，計(jì)算后得到該數(shù)據(jù)對(duì)應(yīng)的y 值。將每一個(gè)數(shù)據(jù)得出的y 值分別與該數(shù)據(jù)對(duì)應(yīng)的隸屬函數(shù)中選定的α上界及α下界相比較，若y∈（0，α下界]，則這一數(shù)據(jù)的判斷結(jié)果為“識(shí)別結(jié)果非人”；若y∈（α下界，α上界]，則這一數(shù)據(jù)的判斷結(jié)果為“無(wú)法識(shí)別”；若y∈（α上界，1]，則這一數(shù)據(jù)的判斷結(jié)果為“識(shí)別結(jié)果為人”。將每一類傳感器的每一個(gè)數(shù)據(jù)代入隸屬函數(shù)中，P 次計(jì)算后（P 取決于每類傳感器收集的數(shù)據(jù)的數(shù)量），分別統(tǒng)計(jì)每一類傳感器收集的若干數(shù)據(jù)中對(duì)應(yīng)“識(shí)別結(jié)果非人”“無(wú)法識(shí)別”以及“識(shí)別結(jié)果為人”的百分?jǐn)?shù)，整合后構(gòu)成2×3 的矩陣X 與Y，即：

式（1）（2）中：X 與Y 分別為熱成像傳感器和激光雷達(dá)對(duì)應(yīng)評(píng)判集V 的評(píng)判矩陣；x11為激光雷達(dá)收集的若干速度數(shù)據(jù)中對(duì)應(yīng)“識(shí)別結(jié)果非人”的百分?jǐn)?shù)；x13為速度數(shù)據(jù)中對(duì)應(yīng)“無(wú)法識(shí)別”的百分?jǐn)?shù)；x2j為激光雷達(dá)收集的若干身高數(shù)據(jù)中對(duì)應(yīng)于3 種評(píng)判結(jié)果的百分?jǐn)?shù)；y1j為熱成像傳感器收集的若干溫度數(shù)據(jù)中對(duì)應(yīng)于3 種評(píng)判結(jié)果的百分?jǐn)?shù)；y2j為熱成像傳感器收集的若干體型高寬比數(shù)據(jù)中對(duì)應(yīng)于3 種評(píng)判結(jié)果的百分?jǐn)?shù)；其余符號(hào)含義類似，這里不加贅述。

2.4 信息權(quán)重及綜合評(píng)判

2.4.1 構(gòu)建三元頻數(shù)統(tǒng)計(jì)法[7]確定信息數(shù)據(jù)權(quán)重

由于各個(gè)傳感器的精度以及測(cè)量參數(shù)的地位是不一樣的，本文提出一種三元頻數(shù)統(tǒng)計(jì)法來(lái)確定各傳感器的權(quán)重，該方法是從步驟1 給出的傳感器系統(tǒng){激光雷達(dá)，熱成像傳感器}出發(fā)，運(yùn)用專家經(jīng)驗(yàn)，給出i 組權(quán)重分配，根據(jù)給出的權(quán)重分配，按下列步驟對(duì)每類傳感器進(jìn)行權(quán)重統(tǒng)計(jì)。

第一，在所給的某一類傳感器的i 組權(quán)重中找出最大值M 和最小值m。

并將權(quán)重從小到大進(jìn)行分組。

第三，計(jì)算每組權(quán)重的頻數(shù)與頻率。

第四，選取最大頻率所在分組的組中值作為該傳感器的權(quán)重xi，從而得到權(quán)重向量N=[x1x2… xn]，之后將得到的權(quán)重向量進(jìn)行歸一化處理：

第五，對(duì)其他傳感器重復(fù)上述操作。

由上述方法確定權(quán)重向量為：

式（4）中：N 為兩傳感器X、Y 的權(quán)重向量；N1為傳感器X 速度與身高指標(biāo)的權(quán)重向量；N2為傳感器Y 溫度和體型高寬比指標(biāo)的權(quán)重向量。

2.4.2 進(jìn)行綜合評(píng)判

式（5）中，?與矩陣乘法類似，表示一種合成關(guān)系，例如：

對(duì)A 進(jìn)行歸一化處理：

結(jié)果說(shuō)明，有P1%的概率判斷識(shí)別結(jié)果非人，有P2%的概率無(wú)法識(shí)別，而P3%的概率判斷識(shí)別對(duì)象為人，取Pmax%對(duì)應(yīng)的判斷結(jié)果為最終判斷結(jié)果，若其結(jié)果為無(wú)法識(shí)別，則轉(zhuǎn)為人工排查。

3 結(jié)束語(yǔ)

本文介紹的基于熱成像傳感器和激光雷達(dá)的行人識(shí)別方法，用于解決在固定背景下的行人檢測(cè)問(wèn)題。該方法具有很好的容錯(cuò)能力，能夠排除錯(cuò)誤數(shù)據(jù)在融合過(guò)程中對(duì)正確結(jié)果的影響，并且能夠降低數(shù)據(jù)冗余。