Vision-based Pedestrian Protection Systems for Intelligent Vehicles

سیستم‌های حفاظت از عابر پیاده (PPSs) سیستم‌هایی روی برد هستند که با هدف شناسایی و ردیابی افراد در محیط اطراف خودرو به منظور جلوگیری از موقعیت‌های بالقوه خطرناک هستند. این سیستم ها به همراه سایر سیستم های پیشرفته کمک راننده (ADAS) مانند هشدار خروج از خط یا کروز کنترل تطبیقی، یکی از امیدوارکننده ترین راه ها برای بهبود ایمنی ترافیک هستند. با استفاده از بینایی کامپیوتری، دوربین هایی که در طیف مرئی یا مادون قرمز کار می کنند به عنوان یک حسگر قابل اعتماد برای انجام این کار نشان داده شده اند. با این وجود، تغییر شکل ظاهری انسان، نه تنها از نظر لباس و اندازه، بلکه در نتیجه شکل پویای آنها، عابران پیاده را به یکی از پیچیده ترین کلاس ها حتی برای بینایی رایانه تبدیل می کند. علاوه بر این، تغییر ساختار و محیط غیرقابل پیش‌بینی که چنین سیستم‌های روی برد باید در آن کار کنند، تشخیص را به یک کار دشوار می‌سازد که با استحکام مورد نیاز انجام می‌شود. در این مختصر، وضعیت هنر در PPS ها از طریق بررسی مرتبط ترین مقالات دهه گذشته معرفی می شود. یک معماری محاسباتی رایج به عنوان چارچوبی برای سازماندهی هر روش با توجه به سهم اصلی آن ارائه شده است. به بیش از 300 مقاله ارجاع داده شده است که بیشتر آنها به تشخیص عابر پیاده می پردازند و بقیه مربوط به توصیفگرها (ویژگی ها)، مدل های عابر پیاده و ماشین های یادگیری مورد استفاده هستند. علاوه بر این، مروری بر موضوعاتی مانند جنبه‌های بی‌درنگ، محک‌گذاری سیستم‌ها و چالش‌های آینده این حوزه تحقیقاتی ارائه شده است.

Pedestrian Protection Systems (PPSs) are on-board systems aimed at detecting and tracking people in the surroundings of a vehicle in order to avoid potentially dangerous situations. These systems, together with other Advanced Driver Assistance Systems (ADAS) such as lane departure warning or adaptive cruise control, are one of the most promising ways to improve traffic safety. By the use of computer vision, cameras working either in the visible or infra-red spectra have been demonstrated as a reliable sensor to perform this task. Nevertheless, the variability of human’s appearance, not only in terms of clothing and sizes but also as a result of their dynamic shape, makes pedestrians one of the most complex classes even for computer vision. Moreover, the unstructured changing and unpredictable environment in which such on-board systems must work makes detection a difficult task to be carried out with the demanded robustness. In this brief, the state of the art in PPSs is introduced through the review of the most relevant papers of the last decade. A common computational architecture is presented as a framework to organize each method according to its main contribution. More than 300 papers are referenced, most of them addressing pedestrian detection and others corresponding to the descriptors (features), pedestrian models, and learning machines used. In addition, an overview of topics such as real-time aspects, systems benchmarking and future challenges of this research area are presented.