应用立体视觉与HOG及几何特征于行人侦测之研究.PDFVIP

應用立體視覺與 HOG及幾何特徵於行人偵測之研究 陳昱宏 李建德 鄭國祥 長庚大學電機所 長庚大學電機所 工研院機械與系統研究所智慧車輛組安全感測控制技術部 m9721041@stmail.cgu.edu.tw jdlee@mail.cgu.edu.tw KHCheng@itri.org.tw 摘要 – 行人偵測功能是智慧型駕駛輔助系統不可或缺的 或是駕駛安全性的判斷；而且它不受光線或天 功 能 之 一 。 本 論 文 以 立 體 視 覺 為 基 礎 ， 結 合 氣的影響，即使在晚上或下雨天也可以偵測行 Geometry-based 特徵與 HOG 特徵，並以改良型 Adaboost 人，但是缺點是比較難區分行人和其他物體。 分類器完成行人偵測任務，並可同時得出行人之距離遠 因此，考慮上述各項取像的優劣，本研究採用 近，作為行車判斷之依據。首先，本系統以MIT 與 INIRA 紅外線攝影機作為行人偵測系統的取像裝置。 的行人資料庫進行特徵轉換，並使用事前訓練好的改良型 在行人偵測演算法部分，目前雖已有不同的 Ada-Boost 分類器進行分類判斷。經由實驗證明，經由多 演算法被提出，例如：經由機器學習獲得的分 種行人特徵 (HOG及 Geometry)及多階分類器組合，行人 類器： Adaboosting [7-9]、類神經網路(Neural 偵測正確率可達 85%，效能優於單獨只用 Harr-Like 特徵 Network )[10-11] 、支援向量機(Support vector (準確率 78.37%) 、HOG 特徵(準確率 80.64%) 。且處理速 Machine) [12-13]、馬可夫模型(Markov)[14] 度每張影像僅需 70ms，將可滿足實際應用之要求。 等。但這些方法大都無法提供行人對車子的相 對位置資訊，這對智慧型駕駛系統而言，將無 關鍵詞 – 立體視覺、圖像校正、HOG 、AdaBoost 、 法提供避免撞擊行人的閃躲策略開發。有鑑於 V-Disparity 此，本研究使用雙攝影機，依據立體視覺之基 本特性架構出三維場景。並在此三維場景之中 一、 前言 偵測出行人與攝影機之相對距離。本研究採用 目前在行人偵測的研究中，根據所使用的 雙攝影機的外極線校準，使攝影機取得的影像 感測器，大致可分為三類，第一種是利用可見 資訊具有一定的對應關係。對應的左右影像因 光攝影機取像，但其缺點為夜間會因為光源不 對應位置相同，因此在對應的位置週遭會具有 足而造成無法成像的缺點。第二種是利用紅外 相同之特徵，以此特徵為基準進行視差計算， 線攝影機取像[1-4]，它可以應用於夜間偵測行 可算出一張完整的視差圖。 人；其成像原理是使用不可見光的紅外線當作 從視差圖提供的資訊可以計算出該圖像中 夜間補充光源，使得在夜間光源不足造成無法 場景與攝影機的相對距離位置，以此為基準進 成像的問題獲得改善，相較於可見光攝影機， 行三維重建。三維場所提供的資訊可以彌補二 紅外線攝影機在白天不開啟紅外線補充光源的 維場中不足的資訊，以此為基準進行行人偵測。 時候，與一般可見光攝影機並無差異，而夜間 二、 系統與方法 可以藉由不可見光的紅外線作為補充。第三種 是用主動式感測器取像，例如：雷達[5]或雷射 (一) 系統流程 [6]；這種主動式感測器，提供物體跟攝影