加州大學推新演算法：再也不用擔心汽車碰到人了

研究人員可以通過每秒2至4幀的速度，檢測到行人的變化，可以有效的避免無人駕駛汽車因為行人突然停止移動而出現碰撞。

近日，加州大學聖地亞哥分校的電氣工程教授Nuno Vasconcelos和他的團隊針對更現實的路況，利用新演算法開發出了一種更先進的行人檢測系統，它比以前的行人檢測系統更加快捷、準確。Nuno Vasconcelos表示該系統可以通過每秒2到4幀的速度，以此來檢測行人的變化，它可以有效的避免無人駕駛汽車因為行人突然停止移動而出現碰撞，從而減少意外事故的發生。

這套系統有什麼特別之處呢？首先，它可以識別更加複雜的路況。其次，它比一般的行人計算能力更加突出，它可以預判螢幕上遠處的行人移動，而不僅僅只是距離車子很近的行人。研究團隊未來還打算將它應用於多個領域，如機器人、安全攝像頭等裝置。

Vasconcelos表示，“在此之前，沒有演算法能夠在行人檢測的準確性和速度上做到優化和平衡，我們通過新演算法能得到更好的實時、準確的行人檢測結果。”

在最開始的研究當中，新演算法是相對簡單的，隨著技術的發展，逐漸變為成熟的深度學習和神經網路分析，最終該演算法可以實現對物體的精確檢測。

現在，谷歌的無人駕駛汽車主要依靠雷達、鐳射雷達等一系列感測器來檢測行人，而這些感測器的價格十分昂貴（鐳射雷達的成本達7萬美元，摺合人民幣約40萬），如果去掉這些感測器，那麼無人駕駛汽車的成本會大幅度下降，這對無人駕駛的商用起到了推動的作用。

早在去年，谷歌就已經開始研究行人監測系統，而谷歌採用的方法就是深度學習，它可以在很短時間內識別路上的行人，據稱它可以在0.25秒內做出判斷。

計算機視覺和機器學習的研究科學家Anelia Angelova認為，“視覺資訊相比雷達資料，可以給車描摹一個更廣闊的視域，但是整個處理過程要慢一些。”

其實，行人識別的方式有很多，最普遍的莫過於深度學習。在國外，有一種模式識別的演算法，它的識別率可以達到85%，但是深度學習的識別率可以達到90%以上，因此，深度學習大受歡迎。不過在在使用過程中仍然會出現少量的誤報或漏報等檢測失效的狀況，大多由路面積水反光、車道標線模糊等原因引起。

“目前國內ADAS（高階駕駛輔助系統）領域的短板是行人實時檢測，識別率不到70%，基本上還沒有進入可商用的階段。主要原因是技術門檻較高，演算法複雜。”創來科技創始人陳茂解釋道，這是一家主要從事ADAS業務的公司。

陳茂又說道：“自行駕駛融合了很多互補的技術，當一種技術失靈時會啟用另外一種技術來檢測。汽車在技術上是有冗餘和備份的。這是因為一旦出現任何事故，車主只會找汽車廠商，而不會找供應商。”

總之，技術總會有缺陷的，對於駕駛員來說，還得時刻保持警惕性。

原文釋出時間：2016-02-17 10:44

本文作者：星星

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。