详细内容或原文请订阅后点击阅览
新算法将提高自动驾驶汽车行人识别的准确性
加州大学圣地亚哥分校 (UCSD) 的研究人员开发了一种行人识别系统，据开发人员称，该系统近乎实时运行，与现有系统相比，准确性更高。研究人员相信该技术可用于机器人、自动驾驶汽车以及基于图像和视频的搜索引擎。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）加州大学圣地亚哥分校 (UCSD) 的研究人员开发了一种行人识别系统，据开发人员称，该系统近乎实时运行，与现有系统相比，准确性更高。研究人员相信该技术可用于机器人、自动驾驶汽车以及基于图像和视频的搜索引擎。
该系统是在加州大学圣地亚哥分校电气工程教授 Nuno Vasconcelos 的指导下开发的。他的团队将传统计算机视觉系统与新的深度学习技术相结合，以提高识别准确性和速度。
目标是开发一种实时视频识别系统，能够在正常的城市交通条件下对物体（尤其是人）进行识别和分类。这将使自动驾驶汽车、送货机器人或低空飞行的无人机能够检测行人，以避免碰撞和交通拥堵。
大多数行人检测系统将可见图像划分为单独的区域（所谓的“窗口”），这些区域由软件进行处理和分类，以确定其中是否存在人体。这可能给开发人员带来挑战，因为人们的形状和大小不同，距离会改变物体的视角和大小。在典型的实时条件下，这涉及以每秒 5-30 帧的视频速率处理数百万个这样的窗口。
UCSD 的识别技术实现了相同的基本功能，但是分阶段实现的，而不是一次性实现的。该算法允许您快速丢弃似乎不包含人物的帧，而专注于那些包含人物的帧。因此，具有相对统一的形状和颜色（如天空）的框架将被忽略，而有利于填充框架。