行人检测专利技术分析

刘洋

【摘要】行人检测是指通过图像处理及模式识别等算法对视频或静态图像中所包含的行人具体位置进行检测；作为目标检测的一个重要方向，行人检测技术在家居服务机器人、智能监控，智能交通，辅助驾驶等方面有着广泛的应用前景。与普通的物体检测相比，行人的非刚体性和多样性等特点大大提高了有效检测行人的难度。

【关键字】行人检测 目标检测 图像处理

一、引言

在计算机视觉领域中，行人检测是目标检测的一个重要研究热点，其主要利用各种传感器获取行人的数据信息，通过图像处理及模式识别等算法从图像数据中检测出行人。其中传感器包括激光、雷达等。行人检测并不是孤立存在的，它与行人跟踪、行为分析、姿态估计、场景分割等问题息息相关，因此具有极高的科研价值和商业价值。

二、行人检测技术发展趋势

如图1所示，早在2007年开始就已经出现了行人检测技术的研究。2007至2010年期间，专利申请量虽然呈逐步增长趋势，然而增长速率较平稳，每年的申请量没有太大的变动；2011年相比较于2010年增长率达到两倍以上，此后2012年和2013年相较前一年都有较大的增长量，然而在2014年专利申请量与其前一年2013年相比，呈现减少的趋势，这可能与发明专利未提前公开有关，但该年的总量在除2013年以外的其它各年中仍占有绝对性的优势，预计2014年申请量不会低于2013年。

三、行人检测技术解析

常见的行人检测方法可分为基于简单的图像处理的行人检测方法和基于计算机视觉的行人检测方法。

3.1基于简单图像处理的行人检测技术

该类技术主要分为：帧间差分法、光流法和背景差分法等。其与基于计算机视觉的技术相比算法较为简单，不需要事先准备大量的训练样本或模板，处理速度也较快，因此在国内也占据一定的申请量。如上海交通大学的专利CN201210586125采用高斯混合模型对背景建模从而检测行人，宁波大学的专利CN201210017307采用图割方法进行行人检测，奇瑞汽车股份有限公司的专利CN201310382009通过获取候选区域的至少两个特征图进行候选区域是否包含行人的判断。

3.2基于计算机视觉的行人检测方法

基于统计学习的方法与其他方法相比占绝对性的优势，是最近几年高校和科研院所所研究的重点，同时也是公司企业发展的方向。如北京中星微电子的专利CN200710179786采用积分图像和平方积分图像提高分类器的检测速度，江苏大学的CN201110447411对特征向量进行稀疏表示并组合成稀疏化的混合特征向量作为分类器的特征进行行人检测。

特征和分类器是统计学习的两大关键技术。对特征的改进占56%，如中国科学技术大学的专利CN200810101705利用种群优化寻找行人检测最优特征进行行人检测，北京博康智能信息技术有限公司的专利CN201210082846利用梯度特征和线性边缘特征进行行人检测；

分类器的改进分别占42%，如杭州海康威视数字技术股份有限公司的专利CN201210169536利用多尺度的Adaboost作为分类器进行行人检测，无锡慧眼电子科技有限公司的专利CN201310076413首先基于Adaboost得到级联分类器。

四、结束语

随着计算机视觉的快速发展，行人检测技术的快速发展可以预见。通过对专利的分析可知基于统计学习的行人检测技术由于资源消耗等问题在实际应用如辅助驾驶中的运用并不多，但由于其检测准确率较高，如何提高统计学习的速率是目前行人检测技术发展的方向。