加州大学研究新算法：让智能汽车更精准检测行人

本篇文章1299字，读完约3分钟

“目前，我国高级驾驶员辅助系统(adas)领域的短板是行人实时检测，识别率不到70%，基本上还没有进入商业化阶段。主要原因是技术门槛高，算法复杂。高速实时行人识别是adas领域中最困难的部分。创来科技的创始人陈矛告诉雷锋。该公司从事adas业务，专注于汽车前端装载。

到目前为止，汽车防撞系统和实验性无人驾驶车辆依靠雷达和其他传感器来探测路上的行人。加州大学圣地亚哥分校的工程师开发了一种基于视觉信号的行人检测系统，用于实时检测。这个视频系统使智能汽车能够以更低的成本更准确地检测行人。

基于视觉的汽车安全系统在应用中仍然难以实现。一方面，它可以通过计算机视觉算法快速检测道路上的行人，但在复杂情况下，如区分行人和相似物体等，它还不够成熟。另一方面，机器学习算法(也称为深层神经网络)模仿人脑的行为，因此研究人员可以比以前的方法训练更多的辨别能力和处理复杂的模式识别，但是实时行人检测的处理效率太慢。

加州大学圣地亚哥分校的电气工程教授Nuno vasconcelos和他的团队研究了这种新算法，这种算法能够以每秒2到4帧的速度检测行人的变化，有效地避免了行人的突然停车和造成紧急制动或事故。

这个系统的关键是它能识别更复杂的路况。与其他同类系统相比，该算法的系统错误率仅为前者的一半，并且其计算能力更加突出，能够预测行人在远处的运动。研究小组计划在未来使该系统更加实用:不仅适用于车辆，也适用于机器人、安全摄像头和其他设备。

“以前，没有任何算法能够优化和平衡行人检测的准确性和速度。通过新算法可以得到更好的实时性和准确性的行人检测结果。”vasconcelos说。

在早期的分析中，新算法从一个相对简单的算法开始，过滤掉像田空这样的非行人部分的图像，然后进行更加成熟的深度学习和神经网络分析，最后用这个算法来检测物体的精度和复杂度。

目前，谷歌无人驾驶汽车依靠雷达、激光雷达和其他传感器来检测路上的行人。如果像激光雷达这样的高成本设备(成本为7万美元，约合40万元人民币)被移除，无人驾驶汽车的成本可以降低，并能更早投入商业使用。

谷歌去年开始开发基于视频的行人监控系统，该系统使用深度学习算法，可以在0.25秒内准确识别道路上的行人。谷歌负责计算机视觉和机器学习的科学家阿妮莉亚·安杰洛娃说:“与雷达数据相比，视觉信息可以描述汽车更广阔的视野，但整个过程要慢一些。”因此，传统的深度神经网络技术在行人检测场景中的应用一直比较缓慢。

陈矛告诉雷锋。实现行人识别的方法有很多，其中最流行的是深度学习。国外也有基于模式识别的算法，识别率约为85%，而深度学习的识别率可达90%以上，这也是目前企业追求的目标。在检测失败的情况下，如少量的假阳性或假阴性，是由道路条件造成的，如背光眩光、路面积水反射、车道标线模糊等。

因此，这也是汽车制造商对汽车安全特别谨慎和保守的原因:任何技术都有其弱点，没有绝对完美的技术。“自动驾驶结合了许多互补技术，当一种技术出现故障时，另一种技术将用于检测它。汽车在技术上是多余的和后备的。这是因为一旦发生任何事故，车主只会寻找汽车制造商，而不是供应商。”陈矛解释道。