基于機器學(xué)習(xí)的行人檢測汽車安全控制和事故預(yù)防系統(tǒng)在過去十年中得到了長足的發(fā)展。較好司機輔助系統(tǒng)(ADAS)現(xiàn)在市面上都可以買到，而且經(jīng)常被汽車制造商預(yù)先安裝.這些系統(tǒng)的目的是為車輛提供能夠探測危險情況并對其采取行動的傳感器，在這種情況下，駕駛員無法避免碰撞。下面，我們將了解機器視覺在機器學(xué)習(xí)的行人檢測應(yīng)用。

人行橫道上的司機和行人

　　實現(xiàn)行人跟蹤檢測

　　探測行人在城市環(huán)境中運行的ADAS較具挑戰(zhàn)性的任務(wù)之一當(dāng)然是啟動警報并對其有時不可預(yù)測的行為采取行動。在這種情況下，ADAS系統(tǒng)的全部潛力可以通過以下方式實現(xiàn)行人跟蹤、定向與意圖預(yù)測.

　　在ADAS系統(tǒng)中，基于視覺的警報在評估危急情況方面發(fā)揮了核心作用，特別是對于行人檢測，視覺信息對于區(qū)分道路上的人類和其他移動物體是至關(guān)重要的。對行人的實際檢測不一定需要充分提取人體特征，而是需要對物體是人的識別。然而，對于意圖預(yù)測，應(yīng)該結(jié)合行人模型的上下文信息。

　　自動行人檢測

　　由于復(fù)雜的環(huán)境和需要分析的各種情況，確定性的計算機算法容易出現(xiàn)許多假陽性檢測。由于ADAS對假陽性檢測的響應(yīng)可能導(dǎo)致嚴(yán)重的后果，因此將錯誤檢測降到低是對性能的嚴(yán)格要求。一個更好的解決方案是基于機器學(xué)習(xí)的算法已經(jīng)被證明更有活力。

　　為了利用這種健壯的機器學(xué)習(xí)，再加上計算機視覺方法，我們建議采用分類器級聯(lián)。每個分類器被訓(xùn)練成在給定一個候選目標(biāo)的情況下，對行人的一個不同的身體部分進(jìn)行建模。利用基于梯度直方圖和Haar類特征的算法對目標(biāo)進(jìn)行檢測.這些方法已經(jīng)被證明能夠?qū)崟r操作，適合于ADAS所要求的快速響應(yīng)時間。

　　使用分類器做出選擇

　　通過幾個分類器的多數(shù)表決，將候選對象識別為行人。對結(jié)果施加嚴(yán)格的閾值可以限制假陽性檢測的水平。當(dāng)上下文信息被集成到系統(tǒng)中時，識別值的調(diào)整是非常重要的。例如，在城市和農(nóng)村道路上開車并不需要同樣的警戒級別。因此，可以使用這些環(huán)境中任何一個環(huán)境中的汽車本地化來動態(tài)調(diào)整ADAS中的警報級別.

　　在復(fù)雜環(huán)境中實現(xiàn)自動行人檢測的一系列學(xué)習(xí)和分類技術(shù)需要謹(jǐn)慎。安全管制不允許集成一個高度不準(zhǔn)確的系統(tǒng)，特別是當(dāng)行人的生命危在旦夕時。因此，在機器學(xué)習(xí)和計算機視覺技術(shù)的規(guī)劃、建設(shè)和實施方面，真正的專業(yè)知識是必不可少的。盈泰德視覺是計算機視覺和機器學(xué)習(xí)算法方面的專家。閱讀更多關(guān)于RvstoVision如何構(gòu)建機器檢測系統(tǒng)的信息。