无人驾驶 | 深度学习让行人检测更精确

当今的汽车防碰撞系统和实验中的无人驾驶汽车依靠雷达和传感器来检测路上的行人。但是加州大学圣地亚哥分校（UCSD）的工程师们开发了一个更加便宜、更有效的行人检测系统，该系统是基于视觉信号进行实时探测的。

这种基于视觉的汽车安全系统一直难以实现，因为计算机不仅要实时分析视频图像，还要快速得到正确的结论。一方面，一个简单的“梯级检测”计算机视觉算法可以快速检测出很多行人特定的图像，但无法在恶劣环境下分辨行人和外观类似的物体。另一方面，机器学习算法或者称为深度神经网络可以进行这种复杂的模式识别，但是这种算法过于缓慢，无法进行实时的行人检测。

研究人员结合了两者的优势，创作了新的系统，加州大学圣地亚哥分校的电气工程教授Nuno Vasconcelos表示：他们的算法可以通过每秒 2 至 4 帧的速度，检测行人的变化，有效避免行人突然停止移动而出现的紧急刹车或造成意外事故。该算法的错误率只有其他现有类似系统的一半。

谷歌正在试验的无人驾驶汽车目前主要依靠广泛的相控阵雷达、激光雷达和其他传感器来探测道路上的行人和其他对象。摆脱这些装备可以使汽车更便宜、更容易设计。

事实上，谷歌一直在开发自己的基于视频的行人检测系统。谷歌的版本采用一种略微不同的方法，但是理念是一样的，都是使用深度学习算法来实现。 2015年的时候，它的系统能够在0.25秒内精确识别行人，在谷歌计算机视觉和机器学习工作的研究员Anelia Angelova和她的团队希望能够将这个识别时间降低到0.07秒。