谷歌行人检测系统：给无人驾驶车减减负

“我就看看，我不买”是句彻头彻尾的违心话，可以翻译成“有尖货但钱包瘦”。

比如谷歌那辆圆头圆脑自己会跑的小车车，大概谁都想来一辆，把自己开上阳光(参配、图片、询价)点点的街道。但是车身围绕的各种昂贵传感器，让它无法立刻成为人人可享的出行座驾。尽管私有不是谷歌小车的理想应用场景，但成本也是车辆共享经济和公共服务普及的一道门槛。

驱动谷歌无人驾驶车自如跑动的技术，原本都是私藏的商业机密。不过前不久西雅图IEEE机器人和自动化国际会议(ICRA)上，有人幸运地获知了谷歌正在琢磨的最新行人监测系统。让人欣喜的是，技术手段不仅强化了功能，还降低了成本。

用摄像头代替昂贵传感器

我们都知道，识别、追踪、避开行人是任何企业研发无人驾驶车都要具备的核心技能。谷歌无人驾驶车主要靠雷达、激光雷达和照相机来判断路况，确保车子能识别百米内的行人。但是传感器的电池非常贵，尤其是车顶旋转的激光雷达单元，电池花费近万美金。多单元的配置，价格恐怕还得抬一抬。

相比而言，摄像头就要便宜不少。如果自动驾驶车只需用摄像头就能靠谱定位路人，无人驾驶车快速普及将更进一步。这样一来，车辆“看”路所需标配，就是视频分析系统。

以往最好的视频分析系统会使用深度神经网络技术——机器通过训练后，能极其准确地分辨图像和各种数据，来完成算法学习。利用深度神经网络技术，处理器中的视频分析过程可以分为好几个层次，分别为输入层、输出层，以及两层之间的多个处理层。

图像识别时，输入层会学习一幅图像的像素特点。下一层处理层通过学习把这些特点组合起来，然后通过中间层的层层处理，在像素点和物体间逐步建立更加复杂的关联。最后输出层就会推测出整个系统“看见”了什么。

现代的深度神经网络识别准确率超过99.5%，如果让它和我们来一场比赛，可以跑赢人类大脑。但是视频照相机有他的不足。一位任职于谷歌计算机视觉和机器学习的科学家Anelia Angelova科普道，“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。”因此传统深度神经网络技术在行人检测场景的应用，一直比较缓慢。

整个过程的主要耗时在于，系统要把每一张街景图分成10万或更多的小碎片，然后逐个分析。这样一来，每张图要花费数秒到数分钟的时间。这在要求车辆几秒就能驶出很长距离的城市导航场景下，“慢速”的行人监测就半点用也没有了。不久前的测试中，一辆车用这样深度神经网络技术来识别行人，结果就把人和道具撞了个人仰马翻。

新系统行人监测“三步曲”

上面是一幅谷歌深度学习系统在不同情形下，监测行人的效果图。最新的行人检测系统只靠摄像机影像来掌握行人动向，但是优化了速度问题。系统监测行人的速度更快，分为三步，我们不妨来细细看下识别过程：

第一步还是深度神经网络学习图片像素特点。不同的是，单次进入网络学习的照片只是被“撕”成了几十片，而不是老方法的成千上万块。网络被训练成可在不同场景中多线程作业，挑选出它觉得是行人的图像部分。

第二步是另一项深度神经网络工作——对第一步产生的结果提纯，进一步分析筛选特征数据。

第三步和传统步骤类似，判断是不是行人或是其他障碍，最后输出结果。

看起来步骤并未减少，但是因为每次可分析的碎片变大，且历经筛选过程后，只需重点关注可能有行人的小块图像区域，所以一路走下来要比上面的网络学习快了 60到100倍。谷歌自动驾驶车和街景图采集装置中，如果安装了这个系统，只需要一天的训练时间，车就可以进入状态，在0.25秒左右的时间内准确识别行人。

另外值得一提的是，机器根据图像判断前方内容，是一个现有数据和已有数据比对的过程。以往谷歌自动驾驶车会和以前自己采集到视频中的行人影像作比较，然后再下结论判断。现在，研究人员使用了一个行人图像数据库，让系统比对库中之前网络学习的结果，这样也可省下一些分析时间。

自动驾驶车必须要在瞬时就能判断出眼前的是不是人类，这样才能安全地采取躲避方案。Angelova介绍，虽然还没有达到实际应用中，0.07秒实时反应时间的理想标准，但是这个新系统已经能在其他传感器失灵时，成为有效的替补。

车云小结：

就在车云菌截稿时，又看到了谷歌收购传感器公司Lumedyne的新闻，未来这家公司或许会为无人驾驶车提供产品，替代人们双眼。随着处理器越来越强大，深度网络学习的能力也会越来越强，表现更值得期待。当技术更新且快速应用，可以带来成本下降。车顶旋转激光雷达可能会消失，你我也可以摇下无人驾驶车的车窗，打个招呼。