加州大学推新算法：再也不用担心汽车碰到人了

研究人员可以通过每秒2至4帧的速度，检测到行人的变化，可以有效的避免无人驾驶汽车因为行人突然停止移动而出现碰撞。

近日，加州大学圣地亚哥分校的电气工程教授Nuno Vasconcelos和他的团队针对更现实的路况，利用新算法开发出了一种更先进的行人检测系统，它比以前的行人检测系统更加快捷、准确。Nuno Vasconcelos表示该系统可以通过每秒2到4帧的速度，以此来检测行人的变化，它可以有效的避免无人驾驶汽车因为行人突然停止移动而出现碰撞，从而减少意外事故的发生。

这套系统有什么特别之处呢？首先，它可以识别更加复杂的路况。其次，它比一般的行人计算能力更加突出，它可以预判屏幕上远处的行人移动，而不仅仅只是距离车子很近的行人。研究团队未来还打算将它应用于多个领域，如机器人、安全摄像头等设备。

Vasconcelos表示，“在此之前，没有算法能够在行人检测的准确性和速度上做到优化和平衡，我们通过新算法能得到更好的实时、准确的行人检测结果。”

在最开始的研究当中，新算法是相对简单的，随着技术的发展，逐渐变为成熟的深度学习和神经网络分析，最终该算法可以实现对物体的精确检测。

现在，谷歌的无人驾驶汽车主要依靠雷达、激光雷达等一系列传感器来检测行人，而这些传感器的价格十分昂贵（激光雷达的成本达7万美元，折合人民币约40万），如果去掉这些传感器，那么无人驾驶汽车的成本会大幅度下降，这对无人驾驶的商用起到了推动的作用。

早在去年，谷歌就已经开始研究行人监测系统，而谷歌采用的方法就是深度学习，它可以在很短时间内识别路上的行人，据称它可以在0.25秒内做出判断。

计算机视觉和机器学习的研究科学家Anelia Angelova认为，“视觉信息相比雷达数据，可以给车描摹一个更广阔的视域，但是整个处理过程要慢一些。”

其实，行人识别的方式有很多，最普遍的莫过于深度学习。在国外，有一种模式识别的算法，它的识别率可以达到85%，但是深度学习的识别率可以达到90%以上，因此，深度学习大受欢迎。不过在在使用过程中仍然会出现少量的误报或漏报等检测失效的状况，大多由路面积水反光、车道标线模糊等原因引起。

“目前国内ADAS（高级驾驶辅助系统）领域的短板是行人实时检测，识别率不到70%，基本上还没有进入可商用的阶段。主要原因是技术门槛较高，算法复杂。”创来科技创始人陈茂解释道，这是一家主要从事ADAS业务的公司。

陈茂又说道：“自行驾驶融合了很多互补的技术，当一种技术失灵时会启用另外一种技术来检测。汽车在技术上是有冗余和备份的。这是因为一旦出现任何事故，车主只会找汽车厂商，而不会找供应商。”

总之，技术总会有缺陷的，对于驾驶员来说，还得时刻保持警惕性。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！