简述ADAS-行人检测开源算法实例代码

行人是交通系统中的主要参与者，也是交通事故中的主要受害者，如何利用现代科学技术来保护行人的生命安全变得越来越迫切。行人检测作为智能交通控制系统、高级驾驶员辅助系统（ADAS）、姿态估计等相关应用的基础也受到广泛的关注。

虽然ADAS作为汽车安全的一个重要组成部分受到广泛的关注，并且取得了很多重要成果，但仍然面临着许多挑战：形态各异的外貌特征、复杂多样的背景环境、行人与摄像机之间动态变化的场景、系统实时性与稳定性的严格要求等。

关注本公众号的朋友希望，能提供一些算法实例。

ADAS不仅要求能够快速检测出行人，为司机提供反应时间，而且要求检测准确度高，尽量减少误报率，因此研究者通过寻找更好的行人特征或者高效的检测算法来提高行人检测的鲁棒性与实时性。

定义：判断输入或者采集的图像（或视频帧）是否包含行人，如果包含，给出行人位置信息。基于视频的行人检测技术成为国内外学者及科研机构的研究热点，其在智能车辆辅助驾驶、智能监控、行人分析、智能机器人以及人机交互等领域具有广阔的应用前景。

挑战：由于行人姿态可变、离摄像机距离的远近、以及受光照、背景、服装、遮挡等因素的影响，使得行人检测仍然是计算机视觉领域的一个挑战性课题。

分类：目前，基于视觉的行人检测方法大致可以分为基于模板匹配、基于运动信息、基于特征信息的行人检测方法。其中，基于特征信息的行人检测方法又包括：单一底层特征、学习特征、以及多特征融合等。图1给出了常见的行人检测方法的框架图。

编辑：jq