嵌入式车载行人检测系统的设计及应用

嵌入式车载行人检测系统的设计及应用

作者：张舜尧

来源：《电子技术与软件工程》2017年第06期

目前，行人检测系统的研发是计算机领域研究特点内容，在车载驾驶系统中具有重要的应用价值与意义，能够通过检测车前的行人并且及时报警，驾驶员以此通过有效的措施保护行人，以此保证道路交通安全。本文的主要研究内容就是设计嵌入式车载行人检测系统，通过实验表明，嵌入式车载行人检测系统能够准确的检测行人，避免驾驶员出现误判断的现象，以此保障了行车安全。

【关键词】嵌入式行人检测系统设计与应用

随着我国社会经济的不断发展及技术的日益更新，我国汽车市场也逐渐进入到飞跃的成长阶段。在汽车保有量不断增加的过程中，道路交通事故也逐年上升，为社会人民的生命财产带来了严重的损失。所以，加强道路交通安全是我国所要重视的问题。如何降低交通事故的发生机率，保障行人及车辆的安全也是相关研究人员要深入探讨的问题。解决此问题的有效方法就是运用全新的技术，实现车辆的智能化，设计辅助驾驶措施，以此提高交通安全。

1 嵌入式车载行人检测系统的设计方案

由于驾驶员在驾驶的过程中会受到多种因素的影响，从而分散自己的注意力，在这种情况下极易发生交通事故。因素主要包括与乘客聊天、接听电话、过于疲劳等。但是如果出现上述情况有人能够提醒驾驶员注意驾车安全，那么就会降低驾驶员误判的可能性。所以设计研发车载行人检测系统是非常有必要的。图1为车辆在距离行人一定距离时候的系统警告提示。

本文中所研究的嵌入式车载行人检测系统主要是通过HOG特征及SVB算法训练行人的不同姿态，以此形成识别行人的分类器，通过嵌入式技术对行人进行检测和确定。

2 嵌入式车载行人检测系统的工作原理

要想实现车载行人检测，就要解决两个问题，分别为提取行人特征及计算机学习，可以通过HOG特征及SVM分类器实现。

2.1 HOG特征

通过HOG特征将图像中局部区域边缘或者梯度分布提取出来，以此描述区域中目标的边缘、梯度的形状及结构，在对其进行计算的过程中，对其进行统一处理，以此提高其抗干扰能力及稳定性。

HOG特征的计算过程为：

H（x，y）表示图形在（x，y）像素点的灰度值；

通过[-1，0，1]模块计算不同方向的梯度方向及幅值，算法为：

Gx（x，y）=H（x+1，y）-H（x-1，y）

Gy（x，y）=H（x，y+1）-H（x，y-1）

计算（x，y）的梯度幅值的算法为：

G（x，y）=Gx（x，y）2-Gy（x，y）2

计算（x，y）的梯度方向的算法为：

a（x，y）=arctan（Gy（x，y）/Gx（x，y））

区间（bink）中像素点在分量区间中的幅值为：

Vk（x，y）=G（x，y），a（x，y）∈bink；

0，a（x，y）bink；

1≤k≤9

为了避免由于光照等一些因素的对系统造成的影响，就要处理块中单元区间，算法为：

f（Ci9k）为在Ci单元中，第k区间的累计强度在Ci块中的比例，i=1，2，3，4，上式中的ε为0.001。通过上式可以得出单元特征可以由一个9维向量表示，每个块是通过4个单元所组成，所以，块的特征可以通过36维向量表示为：

{f（Ci9k）i=1，2，3，4，k=1，2， (9)

2.2 SVM分类器

在训练过程中，通过二类别构成{（xi，yi，i=1，2，...，m）}，如果xi∈RN为1类，那么yi=-1为行人，属于为2类，那么yi=-1为非行人。训练的主要目的就是构造判别函数，使测试的数据为正常分类。

如果具有分类超平面，那么：

ω*xi+b≥1，yi=1

ω*xi+b≤-1，yi=1

i=1，2，...m

通过上式可以看出来，训练为线性可分。

如果训练样本集没有被超平面错误分来，而且距离超平面最近的样本数据和自身具有较大的距离，那么此超平面为最优，所以具有判别函数：

f（x）=sgn（ω*x+b）

其具有最优的泛化能力，超平面求解要最大化，以此将最优分类面问题转化为具有约束条件的不等式条件极值问题，从而构建Lagrange函数：

将ω=∑yixi及∑ayi=0带入到上式中，将ω和b消除，得出对偶最优化问题。

在进行行人检测的过程中，可以选择某个特定的函数类型，计算f（x），+1表示行人，-1表示非行人。

3 嵌入式车载行人检测系统硬件设计及检测算法

3.1 硬件设计

系统主要由图像匹配处理、采集及提示三部分组成，其构件为媒体提示系统、摄像头、电源、实验板。实验板集成嵌入式操作系统，通过开源计算机视觉库实现。在摄像头采集到图像进行解码，之后传送到处理器中进行预处理，之后通过视觉库记性检测，通过显示屏现实，计算出行人在图像中的坐标，以此提示驾驶员注意行驶的方向。

3.2 检测算法

在算法中设置定时器，每隔66ms处理一帧画面，使每秒能够处理15帧左右的图像，保证图形的连贯性。算法处理的图像格式为RGB格式，通过函数调用绘制矩形框。

3.3 应用试验

通过证明，行车速度在25km/h时效果良好。

在车与人距离为7m的时候为安全提示距离，并且对此范围的行人通过红色矩形框圈起来，指出行人在车的哪一方，提醒驾驶员朝着没有行人的方向行驶；

在车与人距离为5m的时候，随着驾驶员的转向，系统中的提示图像和声音也会有所变化。

4 结束语

在物联网不断发展的过程中，车联网技术也逐渐受到人们的重视，本文中设计的系统还能够实现路段行人的统计、道路拥塞提醒等多种功能，并且具有较强的适应能力、提醒及提示作用，满足于现社会行车安全的需求。

参考文献

[1]高洋.智能交通中行人检测算法的研究与实现[D].大连：大连海事大学，2014.

[2]杨韶瑞.车载辅助系统行人检测技术研究[D].西安：西安工业大学，2012.

[3]靳美玲.基于FPGA的车载行人检测系统的设计与实现[D].沈阳：东北大学，2010.

作者单位

厦门软件职业技术学院福建省厦门市 361024