行人偵測系統

 
行人偵測系統
簡  介
本論文提出一個新的行人偵測演算法,並且以此演算法發展出一套即時的行人偵測系統。所謂的行人偵測系統就是找出畫面中的行人,行人偵測可應用於許多方面:

1.駕駛輔助系統(Driver Assistance System)

在一般的駕駛輔助系統中,當有危急的情況發生時,系統會對駕駛者發出警告,甚至取代駕駛者操控車輛。在路上,行人來來往往,駕駛者當然希望能知道附近行人的位置,行人偵測就可應用於駕駛輔助系統中,當有行人靠近時,系統發出警告,如此可保障駕駛者與行人的安全。

2.防盜系統(Burglarproof System)

一般的防盜系統無論入侵者為人或動物都會觸發警鈴,使用以影像為基礎之防盜系統的好處就在於可分辨入侵者為人或非人,只有在入侵者為人的情況下才會觸發警鈴。另一項優點就是可錄下入侵者的影像。

3.自走機器人(Autonomous Robot)

自走機器人在行走的路途中必須避開路上的障礙物,行人對於自走機器人來說也是一種障礙物,自走機器人使用行人偵測系統就可偵測出移動路徑中的行人,避免碰撞的發生。

演 算 法
這個行人偵測演算法可區分為兩部分:移動物件偵測與行人辨識。在移動物件偵測部分,我們使用改善過的時間差異法(Modified Temporal Differencing Method)在場景中切割出移動的物件,這種改善過的時間差異法結合了一般的時間差異法與偵測網路(Detection Nets)的觀念。在行人辨識部分,我們由輸入影像取得多種類型的小波樣板(Wavelet Template),再由小波樣板取出興趣點樣板(Interest Point Template),我們利用小波樣板的頻率分析及多級別(Multi-scale)特性,並且結合興趣點的區域性特徵,由興趣點樣板中萃取出統計所得的特徵點,最後,這些特徵點輸入一個訓練過的多層級倒傳遞類神經網路(Multilayer Back-propagation Neural Network),類神經網路的輸出就表示最後的結果—人或非人。
Off-line Training Block Diagram

On-line Detection Block Diagram

實驗結果
1.靜態影像辨識

在訓練影像資料庫中,總共有320張影像,其中280張是行人影像,160張是非行人影像。在測試影像資料庫中,總共有320張影像,其中160張是行人影像,160張是非行人影像。這些影像都是已切割好的,也就是在影像中只有一個人或一個非人。辨識結果顯示在下表,系統以118個特徵點表示一張影像,在訓練影像的辨識率為100%,在測試影像的辨識率為95%。

Number of Feature Points Recognition Rate (420 images in training set) Recognition Rate (320 images in testing set)
118 280 100 % 154 95 %
140 150

2.即時行人偵測

在這個實驗中,我們將行人偵測演算法應用在即時系統中。我們把攝影機放置在交大校園內,場景包括室內及室外。系統可偵測不同穿著、不同髮型、不同體型及不同行走方向的行人,在下面圖中就是一些即時偵測的例子,偵測率為89.58%。