无人驾驶(三)行人跟踪算法

~ 姓名：王梦妮

学号：20021210873

学院：电子工程学院

【嵌牛导读】本文主要介绍了无人驾驶中所需的行人跟踪算法

【嵌牛鼻子】无人驾驶 环境感知 计算机视觉 卡尔曼滤波 粒子滤波 均值漂移

【嵌牛提问】无人驾驶中所用到的行人跟踪算法有哪些

【嵌牛正文】

行人跟踪一直是视觉领域的一个难点，实际应用环境复杂、遮挡以及行人姿态变化等外界因素都影响着行人跟踪算法的研究。行人跟踪算法模型主要分为生成模型和判别模型。

（一）生成式模型

生成式模型是一种通过在线学习行人目标特征，建立行人跟踪模型，然后使用模型来搜索误差最小的目标区域，从而完成对行人的跟踪。这种算法在构建模型只考虑了行人本身的特征，忽略了背景信息，没有做到有效利用图像中的全部信息。其中比较经典的算法主要有卡尔曼滤波，粒子滤波，mean-shift等。

（1）卡尔曼滤波算法

卡尔曼滤波算法是一种通过对行人构建状态方程和观测方程为基础，计算最小均方误差来实现跟踪的最优线性递归滤波算法，通过递归行人的运动状态来预测行人轨迹的变化。

首先设定初始参数，读取视频序列。然后进行背景估计，产生初始化背景图像。然后依次读取视频序列，利用Kahnan滤波算法，根据上一帧估计的背景和当前帧数据得到当前帧的前景目标。然后对前景目标进行连通计算，检测出运动目标的轨迹。经典的卡尔曼滤波算法．只能对线性运动的行人实现跟踪，之后学者改进了卡尔曼滤波算法，能够实现对非线性运动的行人进行跟踪，计算量小，能实现实时跟踪，但是跟踪效果不理想。

（2）粒子滤波

    粒子滤波的核心就是贝叶斯推理和重要性采样。粒子滤波可用于非线性非高斯模型，这是由于贝叶斯推理采用蒙特卡洛法，以某个时间点事件出现的频率表示其概率。通过一组粒子对整个模型的后验概率分布进行近似的表示，通过这个表示来估计整个非线性非高斯系统的状态。重要性采用就是通过粒子的置信度来赋予不同的权重，置信度高的粒子，赋予较大的权重，通过权重的分布形式表示相似程度。

（3）均值漂移（mean-shift）

    Mean-shift算法属于核密度估计法。不必知道先验概率，密度函数值由采样点的特征空间计算。通过计算当前帧目标区域的像素特征值概率来描述目标模型，并对候选区域进行统一描述，使用相似的函数表示目标模型与候选模板之间的相似度，然后选择在具有相似函数值最大的候选模型中，您将获得关于目标模型的均值漂移向量，该向量表示目标从当前位置移动到下一个位置的向量。通过连续迭代地计算均值偏移矢量，行人跟踪算法将最终收敛到行人的实际位置，从而实现行人跟踪。

（二） 判别式模型

判别模型与生成模型不同，行人跟踪被视为二分类问题。提取图像中的行人和背景信息，并用于训练分类器。通过分类将行人从图像背景中分离出来，以获取行人的当前位置。以行人区域为正样本，背景区域为负样本，通过机器学习算法对正样本和负样本进行训练，训练后的分类器用于在下一帧中找到相似度最高的区域，以完成行人轨迹更新。判别式模型不像生成式模型仅仅利用了行人的信息，还利用了背景信息，因此判别式模型的跟踪效果普遍优于生成式模型。

（1）基于相关滤波的跟踪算法

      核相关滤波(KCF)算法是基于相关滤波的经典跟踪算法，具有优良的跟踪效果和跟踪速度。这是由于其采用了循环移位的方式来进行样本生产，用生成的样本来训练分类器，通过高斯核函数来计算当前帧行人与下一帧中所有候选目标之间的相似概率图，找到相似概率图最大的那个候选目标，就得到了行人的新位置。KCF算法为了提高跟踪精度，使用HOG特征对行人进行描述，同时结合了离散傅里叶变换来降低计算量。

（2）基于深度学习的跟踪算法

    近年来，深度学习在图像和语音方面取得了较大的成果，因此有许多科研人员将深度学习与行人跟踪相结合，取得了比传统跟踪算法更好的性能。DLT就是一个基于深度学习的行人跟踪算法，利用深度模型自动编码器通过离线训练的方式，在大规模行人数据集上得到一个行人模型，然后在线对行人进行跟踪来微调模型。首先通过粒子滤波获取候选行人目标，然后利用自动编码器进行预测，最终得到行人的预测位置即最大输出值的候选行人目标位置。2015年提出的MDNet算法采用了分域训练的方式。对于每个类别，一个单独的全连接层用于分类，并且全连接层前面的所有层都是共享，用于特征提取。2017年提出的HCFT算法使用深度学习对大量标定数据进行训练，得到强有力的特征表达模型，结合基于相关滤波的跟踪算法，用于解决在线进行跟踪过程中行人样本少、网络训练不充分的问题。此外，通过深度学习提取特征，利用数据关联的方法来实现跟踪的算法，其中最为著名的就JPDAF与MHT这两种方法。

---

玛沁县19388347157： Google 自动驾驶/无人驾驶车用到哪些算法 - ？
宫轰桑塔： 无人车一般是用到图像识别的技术,主要是机器学习的算法.目前效果比较好的是深度神经网络(deep neural network)模型.

玛沁县19388347157： 激光雷达在无人驾驶中的关键作用 - ？
宫轰桑塔： 激光雷达描绘周围环境几个主要参数,包括线数、点密度、水平垂直视角、检测距离、扫描频率、精度等.除了位置和距离信息,激光雷达还提供返回所扫描物体的密度信息,后续算法据此可以判断扫描物体的反射率再进行下步处理.通过检测...

玛沁县19388347157： ADAS高级驾驶辅助系统是什么? - ？
宫轰桑塔： 释义:ADAS系统是利用安装在车上的各式各样传感器,在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、并结合导航仪地图数据,进行系统的运算,从而增加汽车驾驶的舒适性和安全性. 现状: ADAS系统原...

玛沁县19388347157： 无人驾驶汽车的原理及应用 - ？
宫轰桑塔： 无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶.无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能...

玛沁县19388347157： 简述汽车无人驾驶的控制原理过程? - ？
宫轰桑塔： 1、全方位摄像头2、全方位雷达3、行车电脑4、电脑对路况进行分析5、车执行电脑指令行使

玛沁县19388347157： 什么是人机共驾? - ？
宫轰桑塔： 人机共驾(Shared Autonomy)MIT 认为自动驾驶应该分为两个等级:一、人机共驾(Shared Autonomy);二、全自动驾驶(Full Autonomy).这样的分类方式不仅能够提供有建设性的指导方针,添加必要的限制条件同时还可以对要实现的目...

玛沁县19388347157： 目前无人驾驶技术难点有哪些 - ？
宫轰桑塔： 目前,无人驾驶分为Level1(特定功能辅助驾驶)、Level2(组合功能辅助驾驶)、Level3(高度自动驾驶)、Level4(完全自动驾驶、无人驾驶)4个层级. Level3和Level4之间存在“鸿沟”,人工智能可以跨越这道“鸿沟”,“Level3和Level4的一个区别是,目前无人驾驶技术难点有哪些

玛沁县19388347157： PRT(城市个人交通系统)是什么?？
宫轰桑塔： PRT是一种由计算机控制的、电动的无人驾驶个人交通工具,在架空的轨道网络上行驶,一般乘坐1-4人,非常轻便.乘客可以从轨道网络上的某个节点上车,或类似电话叫车一样,将车辆叫到乘客所在的地点.上车后,指定目的地点,PRT就可以高速安全地把行人送达.由于每个车辆有定位系统和传感器,可以自动避让其它车辆,因此PRT可以选择最为快捷的路线,高速直达.--里里通(上海)交通工程咨询有限公司

玛沁县19388347157： 车窗如何设置一键升降车窗怎么设置一键升降 ？
宫轰桑塔： 车窗的一键升降设置如下,先把窗户落下去,然后在升上去,到顶的时候不要着急松... 要想实现全工况无人驾驶,还需要一段很长的路要走,因为不仅需要大量高科技的支...