无论是用于ADAS还是自动驾驶，行人检测始终是难题之一. 除了传统的认识

无论是用于ADAS还是自动驾驶，行人检测始终是难题之一. 除了传统意义上的识别之外，预测运动轨迹也是业界关注的焦点. 与前面的车辆相比，行人流动的方向更加难以预测.

根据城市交通管理部门的先前文件，涉及道路交叉口的年平均交通事故在涉及人员伤亡的事故中占很大比例.

过马路的行人的行为特征大致可分为四种: 一种是正常型，通常保持一致的步伐并稳步前进. 第二种是中途停留类型. 当行人过马路时，他们看到很多车辆，停下来或犹豫. 第三是提速型. 这些行人中的大多数在到达道路中线时过马路. 当他们看到汽车飞速驶来时，他们会加速并过马路. 第四个是减速类型. 这种行人通常通常会急匆匆地过马路. 看到中线之后，道路上没有汽车通行，因此请放慢脚步并平稳行走.

这四种类型的人行横道中的最后三种类型对安全地过马路有一定的危险，因为此时行人过马路的跟进行为通常难以为驾驶员进行预测和估计，这很容易导致驾驶员犯错导致操作失误，从而导致悲剧.

从人眼的角度来看，驾驶员更容易判断行人的意图移动性预测，但是基于等传感器技术，这种直观的判断并不容易. 在自动驾驶情况下，车辆在判断行人时要谨慎. 如果无法确定下一条运动轨迹，则车辆在遇到行人时必须减速.

原因是机器无法排除前方行人悬停在车辆前方的可能性. 现在有一家这样的初创公司正在尝试使用机器学习来改变和提高车辆感知系统判断周围行人和骑自行车者的轨迹的能力.

目前，从行业的技术发展来看，感知能力有了长足的进步和提高，但整个自动驾驶的真正核心在于决策和控制.

智行智技术首席执行官张德昭说，第一个决策控制是行为预测，而不是汽车的行为预测，而是我们感知的行人，其他车辆的行为预测，然后做出决策. “在现阶段，我们进行自动驾驶的最大挑战不是目标识别，而是行为理解. ”

该公司名为Perceptive Automata的联合创始人萨姆·安东尼（Sam Anthony）表示: “我们正在构建一个模块，使自动驾驶汽车能够了解道路上行人的心态. ”该软件将“赋予机器看人的能力，例如: 这个人想过马路，这个人知道我的车在那里. ”

通常，机器学习技术使用可以客观测量的数据来训练算法. 然而，在这种情况下，判断行人的移动意图和轨迹不是很实际. 相反，轨迹感知依靠人类的主观判断为训练算法提供数据.

这家公司安排人们观看视频剪辑，然后给行人标签，并从人们的角度做出最佳判断: 行人是否试图过马路以及是否注意到周围的车辆. 然后，工程师使用此标记的视频数据集来训练机器学习算法，以做出相同类型的判断.

萨姆·安东尼（Sam Anthony）说，汽车制造商应该将其视为可以有效读取车辆周围行人心理的附加传感器. 然后，可以将这些“传感器”数据与来自，毫米波雷达，激光雷达和其他硬件传感器的数据相融合，从而使自动驾驶的感知和决策更加顺畅和有效.

目前，包括Waymo和Uber在内的自动驾驶公司正在从测试中收集数百万英里的传感器数据. 他们可以使用传感器数据直接预测行人的行为吗？

萨姆·安东尼（Sam Anthony）认为，如果您没有行人轨迹的预测模型，则很难预测行人是否会过马路. 毕竟，行人可能会站在路边几秒钟，然后等待适当的时间过马路. 无人驾驶汽车最终会在乎行人是否在横过马路，而不仅仅是在下一秒钟是否会行人.

目前，Perceptive Automata已成为Nvidia的合作伙伴. 同时，该公司的客户包括汽车制造商和Tier1以及一些初创公司.

今年大陆集团发布的MFC500系列第五代汽车级相机中也提到了类似的技术.

该摄像机不仅可以在昏暗的灯光条件下使用，而且可以应付更复杂的交通条件，并可以更准确地识别行人的姿势并预测其未来的动作趋势.

MFC500可以识别人的四肢，背包和面部特征. 在相机的镜头下，人体变成了一个运动的分段条形物体. 通过软件识别算法，行人的姿势可以基于此来确定，包括但不限于步行，坐着，躺着，站立等，并判断成年人还是儿童.

此外移动性预测，根据面部识别技术，它还可以确定行人是在向下走还是在看着车辆. 通过这些不同的参数，最终可以计算出行人的驾驶安全系数，以辅助自动驾驶.

视觉识别的主要目的是预先判断行人运动的趋势以及可能发生的事故的预警. 该相机将于2020年投入生产，定位为相机. 一台摄像机不仅可以考虑多个场景，还可以与其他摄像机配合以级联完成更丰富的功能应用程序.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-198272-1.html