1.簡介
交通安全目前是一項活躍發展的技術，特别是行人識别技術對于降低交通事故的意義重大。行人交通意外是目前第二大的交通事故。年統計200,000多行人被傷害，大約9,000死于交通事故在EU。
使用視訊攝像和專業的圖像處理技術來對行人進行識别和分類，為交通安全提供了一項較優的技術。
近幾年的研究主要針對可視錄影機，已經提出和應用了很多方法，例如基于圖形的方法、基于紋理的方法、立體成像和行為分析。所有的這些方法都要應對不同的行人呈現的不同的特征，例如衣着或其它的特征。
最近，紅外錄影機的優勢被開發出來并加以利用了。通過應用紅外圖像或紅外錄影機對行人進行識别，可以看出紅外圖像促進了目辨別别技術的發展。
本文我們提出應用紅外錄影機進行行人識别的方法，基于(i)确定目标位置及具體尺寸和寬高比；(ii)利用一個附加的濾波器的降低錯誤率；(iii)最後的确認過程，基于人形狀的特征對螢幕中的一系列行人進行識别。本文提出的方法隻利用一個圖像并且沒有跟蹤，實驗結果表明該方法的魯棒性和穩健性。
下文主要是利用紅外錄影機；第三部分提供了問題分析和設計選擇；第四部分描述了方法和規則；最後第五部分讨論了結果，并對論文給出了結論。
2.IR領域的特征
紅外的圖像與可見光圖像表達的資訊完全不同。可見光圖像是根據光照射到物體表面，物體反射所呈現的圖像；而紅外圖像的目标與它的溫度和它表面的熱度相關。
通常，人的表面的溫度比周圍環境高，則他輻射的熱度也比背景高。是以，紅外圖像中行人在灰階等級中屬于高等級的，并且與周圍的環境有強烈的對比，是以利用紅外圖像特别适用他們的定位。其它的目标也會輻射熱量，例如電動車、卡車、公共汽車、機車，他們都有一個相似的行為，通過與行人的形狀和寬高比進行比較，可以排除這些非行人目标。
紅外錄影機一個最主要的是他們獨立的光源情況：他們在白天和晚上幾乎沒有差别，這點優于其他隻能在白天工作的錄影機。然而，顔色和紋理也不能夠應用了。影子的問題也解決了。事實上，即使行人影子在紅外圖像中仍然存在，由于不同的溫度的原因，影子也被隐藏了。盡管如此，紅外圖像行人識别仍然有很長的路要走。氣候環境例如大霧或雨，會對身體的溫度有影響，這也限制了紅外系統的有效性。
然而，高溫狀态和強光減少了行人和其它的不同，事實上，目标都有一個被動熱輻射特征，例如信号燈、電池、樹、建築物、和路标，可能都被太陽光照熱，導緻呈像更複雜，甚至産生熱輻射。在這種強溫情況下，人穿的衣服由于顔色和材質不同可能會呈現與周圍環境不同，是以在圖像中可以加入紋理進行識别判斷。反過來，在低溫環境下，衣服保護熱量輻射隻有部分身體(頭或手)能夠呈像出來。即使它沒有可見光表示的明顯，但它依然能夠表示目标人。
雖然上面提到的問題看起來行人識别很困難，但紅外攝像被證明是很有應用前景的。
3.問題分析和設計選擇
當設計這個系統時兩個規則需要考慮：
- 設計的系統要滿足實體和美學的需求；
- 對目标例如行人要規定寬和高的範圍；
這個計算規則必須要考慮輸入圖像是低分辨率的數字圖像。
A.視覺系統的設定
參照實體限制和圖像考慮錄影機位置是固定的(如圖1)。為了正确定位圖像像素和真實世界之間的對應關系，沿着公路對距離進行标定(如圖2)，3D相關的這些點與圖像中相對應的點能夠計算出錄影機的角度。
計算的參數被用于真實的世界和圖像像素的對應關系，在這種假設的環境下，圖像視野是一條寬闊的路，交通工具都可以被忽略。事實上這種假設一般是不可能的，但是在這些區域中與交通工具相近(20米内)被認為相撞。在遠的區域(大于20米)校準的錯誤可能會發生，這樣産生的結果也不是太可信。
B.目标定義
一個具體的尺寸和寬高比被用來定義目标。行人尺寸被定義為如下值：i高：180cm+/-10%和ii寬：60cm+/-10%。
C.定義距離區域
在圖像中行人在不同位置呈現不同的尺寸大小。事實上，不是所有可能的區域都要核實，主要根據計算時間和詳細的内容。
事實上，距離較遠的非常小的目标行人塊包含非常低的資訊量。在這些情況下，很容易報錯，由于路上有很多非行人的目标，例如道路上的基礎設施可能與人的形狀很像。圖3給出了列子，一個小的目标塊包含低資訊量。
目标塊最大尺寸受限于圖像的垂直分析度。
為了更精确的結果是以有必要定義目标塊的範圍。最大尺寸和最小尺寸如下：最小目标塊：12*28像素；最大尺寸：42*100像素。事實上，這選擇限制了交通工具的識别，在下文中将詳細介紹。
校準被用于固定圖像和真實世界之間的對應關系，距離6m或32m被考慮如圖4a所示。圖像呈現了兩個行人與錄影機不同的距離，為了便于觀察，圖像顯示了在不同的距離目标塊含有的都是170cm高行人。
圖4 (a)不同距離下行人不同的高度，不同距離包含170cm高的行人；(b)綠色表示170cm的行人能夠看見。
圖5顯示了系統工作的區域。行人最小距離可以通過圖看到，垂直虛線所表示。另一方面，行人具體的高度限制通過水準兩條虛線表示。是以搜尋區域在垂直虛線右邊及兩條水準虛線之間。
然而，需要考慮目标塊的一些資訊，以友善确定系統的工作區域。圖表中附加的曲線表示目标塊圖的等邊界：每一條曲線都描述了距離和目标塊高度之間的關系。給定目标塊的高度(BBhmax,BBhmin),系統工作範圍是由上文提到的搜尋區域和标注為BBhmax和BBhmin等邊界區域的虛點所構成。
為了使在一個距離所有的行人都能被檢測，要除去一部分遮擋的區域，工作區域限制于兩個垂直的虛線内。箭頭内是真正的距離範圍。目前的設計選擇距離範圍是7m~20m。
對目标高度的增量或遞減的距離範圍的行為進行慎重考慮；換句話說，為了識别所有的行人，擴充目标高度範圍就要縮短距離範圍。
4.規則較長的描述
規則被分為三部分：
- 基于對稱性的可能的候選區域的定位；
- 基于非行人目标的特征對候選目标進行濾波，以濾除噪聲 ；
- 利用行人的形态對候選目标進行簡單的比對驗證；
最後的部分是目前正在發展的内容，它的結果需要通過将來的調查進行驗證。
A.候選目标的産生
規則的低階部分如圖6所描述的，主要是基于對稱性計算。輸入圖像被處理隻針對感興趣區域，則垂直邊界也被提取了。輸入圖像和包含垂直邊界的圖像進行對稱區域搜尋，利用具體的寬高比和目标人相應的尺寸特征，當然也要考慮透視問題。在這些區域中的邊界密度也要被考慮。
圖7顯示了原始的輸入圖像(圖7a),二值圖像包含垂直邊界(圖7.b),對每一個垂直對稱坐标計算直方圖，目标塊具有最大的直方圖值(圖7.c)。
- 灰階對稱(紅色)，
- 垂直邊緣對稱(綠色)，
- 垂直邊緣密度(黃色)。
圖7 對稱計算和焦點注意：(a)原圖；(b)垂直邊緣檢測；
(c)灰階級對稱性(紅色)，垂直邊緣對稱性(綠色)，垂直邊緣密度(黃色)，結合所有(白色)；
(d)灰階直方圖和它全局平均值(紅色)和局部平均值(綠色)；
(e)可能的垂直對稱軸的位置(在綠色裡)；
(f)隻計算綠色線段的直方圖
白色直方圖表示上面的結合，目标行人的直方圖具有一個局部峰值。
替代計算量大耗時的窮搜尋算法對感興趣區域進行定位。需要注意的是紅外圖像允許減少對稱軸的數量。換句話說，由于行人的溫度比背景高，濾波器可以删除較冷區域的對稱軸。為了這個目的，直方圖主要計算較熱點；它的局部平均值(計算一個小窗)也是它整個平均值。低通濾波器被用來平滑直方圖并去除與大峰值鄰近的小峰值，整個平均值被用來标注在冷區域的直方圖的峰值。
圖7d顯示了直方圖，平均值(紅色)和它的低通濾波(綠色)；假設一個行人比他的背景熱，計算的對稱區域隻是在直方圖比平均值大或比局部平均值大的區域。特别是如圖7e，橫穿圖像底部的綠色線的一部分被考慮做為對稱軸，剩下的(橫穿紅色虛線)就忽略了。圖7f給出了隻用綠色計算的直方圖。這降低了識别(假陽性數量減少)難度和并節省了計算時間。
候選目标通過直方圖的門檻值得到的。每一個超過門檻值的峰值對應的目标塊，都有可能是行人。此清單然後傳遞到下一個階段進行處理，這部分主要是選擇候選目标并删除一些噪聲。
B.候選目标濾波器
對上文擷取到的很可能是行人的候選目标利用行人特征進行濾波。換句話說，具體的濾波器參照一下幾點設計：
- 以點、路标、建築物或其它道路基礎設施為中心的目标塊都呈現高對稱性；
- 由于行人在目标塊中被歸一化特征，目标塊減少了上下部分的邊界的計算；
目标塊的邊界被用于計算垂直直方圖。對每一個目标塊都進行操作。垂直直方圖的形狀被用來進行目标塊濾波。3個标準已經被提出：
- 當直方圖中心是空的時候，目标塊剔除。對大空洞、電線塔、栅欄甚至他們不是垂直的都适用(如圖8.a)；
- 當直方圖的一半多是空的時候，目标塊被移除。對大垂直洞、電線塔、栅欄适用(如圖8.b)；
- 當直方圖在目标塊的中間部分，左邊或右邊是空的，或當直方圖集中在兩個小區域，這兩個小區域具有80%的貢獻，目标塊被移除。對細的垂直洞、電線塔、栅欄适用(如圖8.c)。
圖8.濾波器依靠具體的建築物特征.在目标塊上面用黃色表示的直方圖是目标塊的邊緣垂直直方圖。箭頭所指的目标塊是要被移除的。
之後對每一個目标塊的大小要重新調整，為了适應内部邊緣要降低高度和寬度。目标塊在被移除前會對尺寸修改很多，然而其它的目标塊會再一次被濾波而删除：
- 目标塊進行調整大小操作，與行人相比相差太大(如圖9箭頭1)；
- 目标塊不總是滿足透視限制(如圖9箭頭2);
- 目标塊不總是滿足原始寬高比的假設(如圖9箭頭3)。
C.多變的候選目标
下面部分介紹目前的研究進展，研究結果也是目前簡單的實驗結果。
每一個目标塊通過簡單的行人形态特征進行比對确認，基于形狀的這個濾波器被用來移除候選目标不滿足行人的形态特征、或不滿足行人的溫度。
圖10顯示了利用比對得到的結果；根據目标塊的尺寸模型被調整大小，之後與灰階圖像進行比對。對結果進行判斷，低于門檻值的候選目标被删除。
圖10b顯示了兩個目标塊進行判斷的結果：高溫的表示真正的行人，低溫的表示樹。即使樹的形狀與人相近，濾波器依然會把它濾除。
圖10 (a)行人簡單的形态特征；(b)利用形态特征對行人進行比對，并對非行人目标進行濾除。
5.讨論與結果
圖11給出了紅外攝像頭下一些行人識别的結果。兩條水準綠線表示行人搜尋的距離(7m到20m)，水準白線表示平坦路無交通工具出現。隻計算距離區域内的高溫行人。
圖11 行人在不同狀态下的結果：複雜環境、簡單環境、1個或多個行人。
在目标塊的下面是辨別的是距離。兩個水準綠線的範圍是行人搜尋區域，白線是邊界。
結果顯示在複雜的背景環境下依然能夠識别一或多個行人。主要的情況如圖12：
- 在複雜的背景中，包含建築物或其它的目标，行人偶爾被識别(如圖12a,12b,12c);
- 能夠識别出行人，但對其具體的位置或目标塊尺寸計算的不是太準确，是以導緻距離估計失敗(如圖12d)；
- 步行的人明顯沒有被識别由于寬高比的限制(如圖12e)；在下面的幀序列中(圖12f)相同的行人仍然能夠正确的識别，跟蹤被應用解決這些問題。
圖12.失敗的狀況。(a),(b),(c)複雜環境導緻錯誤的定位，(d)距離判斷錯誤，(e)由于未滿足寬高比行人未被識别，在幀(f)中被識别了。
快速發展的技術會解決在複雜環境下的檢測問題。大量的測試也将會在不同的天氣狀況下進行。下一步工作使用3D模型來增強識别效果。