行人与浮木（精选6篇）
1.行人与浮木 篇一
浮木-高三作文
大约在七年前，一个小女孩出现了，像天使一般。我俩初次见面的时候是在我父亲与她父亲拉家常时认识的。那时她偷偷躲在她父亲的背后，偷偷的看我，我顿时觉得扭捏不安。可是和她的眼睛突然对视了一下，我脑袋好像一瞬间定格了，因为我觉得她很看，真的很好看。
据我所知，我的父亲与她的父亲似乎感情并不是很浓厚，但是和她的爷爷感情很好，不得不说这是一种缘分，而我也是在这种缘分下认识了---静。可我现在，我已经忘记了她的容颜，并且连名字也只记得部分，而我的脑海里只有她淡淡的茉莉花香。对于这事我一直很愧疚。我每当想起她，都忍不住叹息，呆呆的看着窗外的落叶出神，忘记时间的流逝。静在我的脑海里的模样是模糊的.，我曾尝试去看清她，但是每次试过之后，我就犹如脱力一般趴在桌上，可我还是一次一次的去尝试，尝试……
“木哥哥，我要吃冰糖葫芦，你买给我好不好?”小女孩拉了拉我的衣角，仰着头期盼的说。我看了看卖冰糖葫芦的中年人，他是一脸笑意。我点了点头，道：“好。”“大叔，来一串冰糖葫芦。”“好勒。”中年人一脸兴奋。
……
我依稀记得父亲再与她父亲拉家常时，突然说了一句话。“儿子，要不娶她做老婆?我和你彭叔叔说好了。”我一下就愣了。“腾”的一下，脸就滚烫滚烫的。我当时已经有九岁了，已经懂得了成人们口中的“老婆”的含义。当时我应该算早熟。我听到后支支吾吾说：“爸爸，这什么年代?娃娃亲?”当时父亲也是一愣。当时静的父亲只是笑而不语，我也有点迷惑。静就在父亲的身旁，低着脑袋，不知道在想什么，我也不知道她的表情是什么，或许她正在想我等下会带她去买冰糖葫芦吧?又或许……
我和静在一起的时间很短，可是我却依然记得她。记得的或许是她淡淡的茉莉花香吧。
静，你还记得我吗?我喃喃自语道。我认为是不记得了。因为毕竟她当时才七岁。
落叶之前的绿色，枯木之前的盎然，都将成为岁月的泪。
我努力拼凑属于我和静的一切，可是我没有办法，我很无奈，一切显得那么苍白无力。
这一切仿佛是一场梦，我拼命的追寻着是与否，可是我至今还是没有答案。是我不愿相信吗?
静，我记得你。
昔日的小女孩，已经成为亭亭玉立的少女。
我想我俩若再次见面的时候，或许是以过路人的身份，我们擦肩而过。过路人会留意过路人吗?
我想我俩若擦肩而过，我会闻到一股沁人的茉莉花香。
满园花香，却又是满地枯枝。
是梦吗?不是梦?我不知道。
2.行人与浮木 篇二
1 资料与方法
1.1 一般资料
选择2007年1月至2009年6月在我院行人工流产术者, 年龄18~35岁, 平均年龄28.5岁;孕周6~9周。患者自愿选择麻醉方法, 分为2组:A组采用局部麻醉, 共有患者48例;B组采用全身麻醉, 共有患者52例。2组患者临床特症如年龄、孕周、孕产次等基本相同, 无显著性差异 (P>0.05) , 具有可比性。术前经B超证实宫内妊娠, 行常规检查如血常规、尿常规、白带常规、心电图检查, 无手术、麻醉禁忌证。
1.2 麻醉方法
2组患者入室后输胶体液300~500mL。A组患者取左侧卧位, 面罩吸氧 (2.0~4.0L·min-1) , 由静脉输注泵输入瑞芬太尼5.0ug·kg-1.h-1, 进行浅全麻。B组连续硬膜外阻滞, 经L2~3穿刺行连续硬膜外麻醉, 局麻药为1.6%利多卡因, 用量为12~18m L。术后均经硬膜外导管接镇痛泵。
1.3 镇痛效果评价
术中镇痛效果分为3级:优, 表情安静自如, 术中无肢体活动;良, 表情稍痛苦, 肢体活动幅度小, 不影响手术操作;差, 表情极度痛苦, 甚至喊叫, 肢体活动幅度大或有躯体活动, 手术无法进行。
1.4 统计学处理
SPSS 13.5统计软件进行统计学分析。计量资料以均数±标准差表示, 组间比较采用单因素方差分析, 组内比较采用配对t检验;计数资料比较采用卡方检验, P<0.05为差异有统计学意义。
2 结果
2.1 镇痛效果
2组镇痛效果比较, 见表1。A组的镇痛效果明显好于B组 (P<0.05) 。
2.2 不良反应
A组术中呼吸抑制和术后恶心呕吐、头昏的发生情况比B组多 (P<0.0 5) , 见表2。
3 讨论
传统的人工流产手术往往给她们带来身体及心理伤害[4]。与此同时, 由于高度恐惧与焦虑, 常常影响手术的顺利实施。随着医学的发展, 要求无痛人流的患者日益增多, 这种手术大多在门诊进行, 所以必需寻求一种简单、安全、高效的麻醉方法[5]。全麻在当前人工流产术中的应用也越来越多, 此法结合了硬膜外麻醉和腰麻的特点, 并克服了两者的缺点, 是目前剖宫产麻醉较常用的方法。同时腰麻针经硬膜外穿刺针进入时产妇损伤小, 不与皮肤和皮下组织接触, 有效地避免了将异物带入蛛网膜下腔, 真正成为“干净”技术, 避免出现无菌性蛛网膜炎。本组资料显示, 全麻方法起效快, 镇痛效果明显好于局部麻醉。不过全麻虽然有上述优点, 但影响全麻阻滞范围及不良反应的因素很多[6]。为此我们应详细询问有无药物过敏史、手术史、循环和呼吸系统疾病及吸毒史。为防止和减少麻醉时胃内容物的返流与误吸, 一定要强调术前6h禁食、4h禁饮, 避免引起呛咳、屏气。术中患者出现躁动应停止操作, 并追加丙泊酚, 待患者平静后再继续手术, 以防发生子宫损伤。术中进行HR、BP、SPO2监护, 应备有人工通气和供氧设备、急救设备, 患者术后完全清醒由家属陪同安全离院。出现呼吸变浅、呼吸暂停、SPO2下降时麻醉师可托起患者下颌, 保持呼吸道通畅, 并加大氧流量, 正压给氧后恢复正常。做到及时发现问题, 采取相应的抢救措施。
总之, 局部麻醉与全身麻醉行人工流产术各有优势, 都是无痛人工流产术较理想的麻醉方法, 需要具体问题具体选择。
摘要：目的 探讨局部麻醉与全身麻醉行人工流产术的临床镇痛效果与不良反应情况。方法 选择48例无痛人工流产孕妇采用局部麻醉, 52例无痛人工流产孕妇采用全身麻醉。结果 全麻组的镇痛效果明显好于局麻组, 不过全麻组术中呼吸抑制和术后恶心呕吐、头昏的发生情况比局麻组多。结论 局部麻醉与全身麻醉行人工流产术各有优势, 都是无痛人工流产术较理想的麻醉方法, 需要具体问题具体选择。
关键词：局部麻醉,全身麻醉,无痛人流术
参考文献
[1]黄盛辉, 陈秉学.异丙酚用于人工流产手术时注药方法的临床观察[J].临床麻醉学杂志, 2007, 23 (2) :126～128.
[2]庄心良, 曾因明, 陈伯銮, 等.现代麻醉学[M].第3版.北京:人民卫生出版社, 2006:50～52.
[3]叶俐.术中追加注射芬太尼预防手术患者全麻苏醒期躁动[J].临床外科杂志, 2008, 12:860～861.
[4]郭春艳, 张瑞平, 刁敏锐, 等.异丙酚-芬太尼配伍用于人工流产的疗效评价[N].国际医药卫生导报, 2008, 24:56～57.
[5]欧小敏, 李飞云.异丙酚复合芬太尼用于人工流产术600例分析[J].中国现代医生, 2008, 46 (30) :97.
3.明代行人职权札记 篇三
一
明代行人的出现早于行人司，于洪武二年（1369）派出[2]卷2行人司行人，但无品级，仅属于礼部属下的临时奉使人员，职责也不固定。至洪武十三年（1380）才有专职机构———行人司，六月己卯“置行人司，设行人一，秩正九品，左右行人各一，秩从九品”[3]卷132，后又改行人为司正，左右行人为左右司副[3]卷133，其后“更设行人三百四十五人”[4]卷74志第50，行人的出身初时也“止以孝廉人才任使”[1]。洪武二十七年（1394），“上以其将命四方往往不称使指，至是始命以进士为之”, “升行人司正为正七品，左右司副为从七品，行人为正八品，凡设官四十员，咸以进士为之”[3]卷232。行人司建制发生了重大变化，其品秩由九品升为七品，行人出身要求也大为提升，行人数量大为精简。建文时期罢行人司，永乐间恢复建制，天启三年（1623）又升行人秩为从七品。[5]卷33此后，行人司至明末大致保持稳定[6]4380。
明代行人的职司，《明会典》称“凡开读诏赦诏敕，奉使四夷，谕劳，赏赐，赈济，征聘贤才，整点大军及军务，祭祀等事，例该本部衙门差遣”[7]卷117。此外，《明史》称“……每岁朝审，则行人持节传与法司，遣戍囚徒，送五府填情微册，批缴内府”[4]卷74·志第50。《春明梦馀录》又称行人“职专使命，……凡法司谪戍囚徒送五府者，填精微缴内府”[8]卷61·行人司。可见，明代行人的职司颇为宽泛，以奉使“外夷”、国内差使、参检军务三个方面为主，均不出使命往来之范畴。但在事实上，行人职责并不局限于《明会典》等史料所载，既有一般意义上的“公差”，又可奉旨承担许多临时性的差遣任务，这种差使应在行人职司中占有相当比例。为突出皇帝的权威，明廷强调不许其他部门侵夺行人司差遣之权，只有在行人不足差遣时，才允许别官兼差。又在行人与各级官员的礼遇方面作了专门规定，“凡行人公差在外。洪武间定，如遇旦节庆贺，有职者随品序列。若系赍诏敕使臣，则于月台上先行五拜三叩头礼，退。凡行人奉旨公差在外。洪武间定，与本处官东西坐，行人居东。如在州县，则居中靠东坐。”[7]卷117行人代表皇权，出于维护皇帝权威目的，其礼遇自然高于其他官吏。
整体上讲，明代行人的职司略呈收缩态势，但一般所认为的“非册封亲王，使外国赉捧诏书之类不差”[9]似不全面，至明后期行人国内使命仍相当宽泛，有很多固定的国内差使，比如奉旨迎接或伴送官吏等，甚至还负责一些具体的行政工作，如天启元年（1621）四月，明廷任命行人张柽芳为贵州主考[5]卷9。据此，有必要重新审视行人的职权，其中的监察职权是我们关注的焦点。
二
明代行人并非专职的监察官员，作为皇帝特使，在履行使命的同时，皇帝又赋予了他们出使任务之外的特殊使命。洪武十四年（1381），朱元璋曾告谕行人：“自今或捧制书，或奉命出使，或催督庶务，所在官吏淑慝，军民休戚，一一咨访，还日以闻，庶不负尔职。”[1]因此，行人需对出使所在区域的吏治、军政及风俗民情进行调查，并将所见所闻向上汇报，具有明显的监察性质。此外，明廷还赋予行人一定的司法监察权，据《明会典》，“凡刑部都察院问过充军犯人、送五军都督府编发者，每五日，各开报本司，本司历事监生填写精微文簿，填满缴进”[7]卷117。这是通过登记的形式对司法过程进行监察。
作为皇帝的耳目之臣，行人在奉使过程中，还可就有关情况向明廷提出建议。如洪武十八年（1385），行人许穆对松州地方屯种戍卒粮饷不足等情形上奏[3]卷171，这种建议实际上就具有监察性质。又如洪武三十年（1397），行人高稹宣谕禁茶返朝，回奏三件民事。成化四年（1468），行人子坦就“市井无知之徒”擅入皇城买卖，及当时乡饮礼中存在的“各处有司乡饮罔遵德意，所请宾众不察贤否”等事上奏[10]卷60。崇祯二年（1629），行人马懋材疏陈延绥地方因饥荒而致“盗起”情形，并请求朝廷发帑赈济[11]卷20。由于行人的特殊身份，皇帝往往乐意倾听其建议，且容易接受。行人通过把地方民情、庶政反馈于最高统治者，构筑了明廷对地方监察的另一条途径。
作为皇帝的专职特使，例行差遣之外，行人还常奉旨承担临时性的任务，许多时候扮演的就是监察官角色。如洪武十六年（1383）庚子，遣行人核宁波府海涂田[3]卷155。崇祯六年（1633），“遣行人颜继祖、中书孙弘祚往湖广、陕西，守催缺官、变产钱粮及挪借未补银两，仍戒守催官不得耽延取咎”[5]卷78。洪武二十三年（1390）十月，曾多次命行人“于承天门外”主持新钞的兑换[3]卷205。毫无疑问，行人并非专职监察官员，这类使命也大多出于皇帝特差，具有很强的临时性和随意性的特征。
王伟凯曾指出，“行人在某种程度上并非是使臣身份，而是作为监督者来察实外国情况及防止本国官员对外勾结或为其他不法之事”[12]。由于行人长期承担出使任务，具有贯穿始终的稳定性。而行人在外事活动中所履行的“伴归”使命，是非常典型的监察权。行人迎送使臣在明代外事活动中普遍存在。如永乐六年（1408）十二月，明廷“遣中官张谦、行人周航护送嗣浡泥国王遐旺等还国，并赐予大量物品”[13]卷86。景泰五年（1454）, 哈密使者入贡返程，明廷遣行人边永送至甘肃[2]卷12·西戎。在明廷的外事活动中，“外夷”及边地少数民族政权的使者往往借入贡返程之机，违禁买卖或者在来往途中滋生事端，造成了恶劣影响。如天顺四年（1460），“王都马班遣使入贡，使者还至安庆，酗酒，与入贡番僧斗，僧死者六人”[4]卷324·列传第212。为防止类似意外事件的发生，明廷派行人将他们送出边境。成化十二年（1476）十一月，由于“比年朝鲜陪臣及建州、海西、朵颜三卫夷人入贡，军民人等辄以弓材箭镞与凡铁器私相贸易，诚非中国之利”。兵部侍郎马文升建议“下所司禁约，且以行人带领通事伴送，沿途防禁之”，于是“命行人伴送东北诸夷入贡者出境，并禁其市军器”，“著为例”[10]卷159。这种监察权具有相当独立的特性，并且与明廷的外交活动相伴始终，在明王朝的外事交往活动中有积极意义。
此外，行人还曾一度代表明廷在西北、西南边地巡禁私茶。明廷最初实行“金牌信符”的制度，曾一度很好地维护与西北、西南边地的茶马贸易。后来，由于“北虏犯边”导致边地局势紧张，茶马贸易的基础遭到破坏，最终茶马金牌不得不于正统十四年（1449）停止[14]卷95，以行人巡茶代之。初时，出于维护多牌信符制度的目的，行人承担“宣谕禁鬻私茶”[3]卷255的使命，于洪武三十年（1397），便初步确立了“自三月至九月，每月差行人一员，于陕西河州、临洮，四川碉门、黎雅等处，省谕把隘关口头目，禁约私茶出境”的制度。此后，永乐十三年（1415）陕西巡视茶马为御史所代替，景泰二年（1451）又取消了行人巡视四川私茶，由地方委官。景泰四年（1453）又恢复行人巡茶。成化三年（1467）陕西巡茶为御史取代，七年（1471），四川巡茶由按察司分巡官“往来禁约”[7]卷37。成化十一年（1475）又恢复陕西行人巡茶[10]卷144，最终则于十四年（1478）改回差御史[10]卷153。
可以看出，洪武至正统间，对边境巡茶的使命，明廷曾在行人和御史间十分摇摆。个中原因，可以从《明实录》找到依据。成化三年（1467）八月，陕西巡抚右副都御史项忠在所奏中称：“西宁、洮州、河州俱有茶课司市易番马，以给甘肃宁夏延绥三边征戍之用。旧制每岁再遣行人，巡视今势家及射利之徒往往交通守备官私贩入番，于是茶马之政遂坏，行人职卑言轻难以禁制，乞依巡盐事例，暂遣风力御史一员往督其事，俟茶马既通之日仍准旧制行之。”[10]卷45成化七年（1471）八月，给事中王铨又再提“行人权轻”[10]卷94。由此可见，明廷原本是倾向于把巡茶使命交于行人承担的，只是由于“行人职卑言轻难以禁制”，才不得不转而倚重御史，并于成化十四年（1478）“差御史一员，领敕专理茶马，每岁一代，遂为定例”[15]卷199。可以肯定的是，无论行人还是御史，巡茶目的并无区别，均是维护明廷与西北、西南边地的茶马贸易。因此，刘淼关于“正统时期施行的‘行人’之制立法基础，非但与御史巡茶不同，而且也与差发马制有所区别，可以说是在差发马制解体时期的过渡性的制度”[16]的论断似有值得商榷之处。在巡禁私茶中，行人并非监察系统内的人员，在事实上却以监察官员的身份被派出，并且存在了相当长一段时间，这是一种非正常现象，因而不可能长期存在。明代茶禁最终因御史巡茶的常态化而纳入正常监察轨道，这是符合明代政治发展变化要求的。
4.行人与浮木 篇四
随着计算机和机器人技术的飞速发展,智能车辆(Intelligent Vehicle)研究已经取得了长足进展,并广泛应用于军事、科研、民用等各个领域。从长远来说,智能汽车技术可以广泛应用于各行业和各个领域。导航技术是智能车辆的关键技术之一。要使智能车实现视觉导航,必须实现两个基本任务:一是能够实时跟踪车道的变化;二是能够检测车道内的障碍物(车辆、行人、其他)。只有精确了解车道信息,才可以准确地获得本车相对于车道的位置和方向;只有准确地检测出车道内的障碍物,才能有效地避开障碍物。在此主要介绍对车道线内行人的检测。
由于车道线内行人的出现具有不可预知性,无法根据预先设定的电子地图避开,只能在行驶过程中及时发现,而且必须实时处理。这就要求检测必须具有实时性和较高的准确性。
采用Adaboost算法构造基于行人外形特征的检测器,力求减小训练时间,提高检测准确率。试验证明,本系统具有较高的检测率,并且处理速度能够满足实时处理的要求。
2 Adaboost算法
Adaboost算法是1995年由Yoav Freund和Robert E.Schapire提出的,是目前最具实用价值的机器学习方法之一,它是一种迭代的学习方法,可以将一组弱学习算法提升为一个强学习算法。Adaboost算法本身是通过改变数据分布来实现的,它根据每次训练集中每个样本的分类是否正确,以及上次的总体分类准确率,来确定每个样本的权值,将每次训练得到的弱分类器最后融合起来,作为最后的决策分类器。这里所说的弱分类器是指它的分类结果应该比随机猜想的准确性稍高,即准确率大于50%,随着弱分类器个数的增加,最终集成的强分类器的错误率将趋近于零[1]。
2.1 矩形特征
Adaboost用于行人检测时,需要从行人中抽取大量的一维简单特征,这些简单特征均能在一定程度上区分行人和非行人。Adaboost算法中选取的弱特征是由1～4个矩形组成的矩形。Viola选取的矩形特征原形有4种,如图1所示。矩形特征值就是图中灰色部分所有像素的灰度值之和减去图1中白色部分所有像素的灰度值之和后得到的值。其中的方框表示所被检测的矩形区域。在这样的一个区域内,这4种矩形特征的大小和位置都是可以任意选择的。
在检测系统中,标准检测窗口大小为24×24。计算特征矩形的特征值时,需要扫描检测窗中的所有部分。如果每次都按照定义分次统计矩形内所有像素值的差值,计算量非常大,为了提高计算速度,应用积分图计算特征值。
2.2 积分图
所谓的积分图像其实就是对原图的一次双重积分(先是按行积分,然后是按列积分)。那么它的积分表示即为:
其中,是原图像,是积分图像。
积分图包括图中一个点的上面和左面的所有像素值的和,可见是一个离散的加和,因此在点x,y的积分图像的计算方法就如下所示:
如图2阴影部分的像素值和。
图3中在点1的积分图像的和可以通过矩形A内的点的和得到。在点2的值就是A+B,在点3的值就是A+C,在点4的值就是A+B+C+D。在D内的点的和可如下计算得到:4+1-(2+3)。
2.3 弱分类器
为了能使得这些分类器足够简单,就把分类器和这些矩形特征做个一一对应。亦即每个分类器就由一个特征的值来决定。于是得到如下的简单分类器原型:
其中——基于简单特征的分类器,x———待检测子窗口,———对于子窗口x的矩形特征值计算函数,———一个表示不等式方向的符号因子,只有正、负两种,———对应分类器的阀值。
3 训练分类器
3.1 单个强分类器训练过程
(1)取N个训练样本其中yi的取值范围为{1,0},对应样本的真与假。假设训练样本中有m个假样本,n个真样本(m+n=N)。
(2)初始化权值:
(3)在第t步,
1)权重归一化:
2)对每一个特征,为其训练一个简单分类器,即确定和以极小化指标:
3)取第t代的特征为,其中,即把获得最小分类误差的那个特征作为这一代选取的特征。
4)对权重进行更新:,其中,而
5)迭代完T步后,可以获得T个分类器,H1,H2,……,HT,则最后的强分类器构造为:
3.2 分类器工作过程
将多个强分类器级联(cascade)起来就可以组成一个行人检测系统。组成强分类器的弱分类器个数随着级数的增加而增加。每层的强分类器经过阈值调整,使得每一层都能让几乎全部的行人样本通过,而拒绝很大一部分非行人样本。而且,由于前面的层使用的矩形特征数很少,计算起来非常快,越往后通过的候选匹配图像越少,尽管矩形特征增多,计算量却减少,检测的速度加快,使系统具有很好的实时性。其工作过程如图4所示。
4 实验结果
实验利用OpenCV作为二次开发工具,它是Intel公司开发的数字图像处理和计算机视觉软件,可以进行数字图像处理和计算机视觉识别。
构造了对动态视频检测的行人检测系统,配置是P IV 2.0G 256M DDR内存,PCI-X400图像采集卡,运用2000样本,构造了20层分类器,准确率可达93%,误检率为1%,可以做到行人实时跟踪。检测不出来的情况多发生在多个行人聚集在一起的情况,如行人呈一纵列时,后面行人遮挡当了前面行人的大部分时,前面行人检测不出来,但这不影响实际应用,因为智能车辆只要检测到前方有行人,就会自动采取措施。实验结果如图5所示。
5 结语
基于Adaboost算法将多个简单分类器组合成一个强分类器,再将多个强分类器级联(Cascade)组成一个行人检测系统。实验证明,以上算法具有检测精度高、实时性好的优点,应用前景广阔。
参考文献
[1]Freund Y,Schapire R E.A Decision—theoretic generaliza-tion ofonline learning and an application to boosting[J].Jour-nal of Com—puter and System Sciences。1997,55(I):1-19.
[2]P.Viola.Rapid Object Detection using a Boosted Cascade ofSimple Features.In Computer Vision and Pattern Recognition,2001.
5.行人与浮木 篇五
我国平均每年有10万以上的人死于交通事故[1], 所以行人安全问题日趋重要。基于计算机视觉的行人检测由于其在汽车主动安全驾驶系统中的重要实用意义成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。但是由于行人的衣服颜色和走动姿态随机性很强, 所以对行人检测算法的鲁棒性要求很高, 并且图像处理的运算量比较大, 实时性也是目前行人检测技术发展的一大障碍。
目前典型的行人检测系统一般包含2大模块:感兴趣区域分割和目标识别。感兴趣区域的分割就为了确定包含待检测目标的窗口区域, 这样在目标识别过程中就不必遍历整个图像坐标系, 同时可以提高行人检测算法的速度和实时性。常用的兴趣区域分割的方法包括基于距离、基于运动、基于图像特征和基于摄像机参数。基于距离的即根据目标到车辆的距离来分割物体, 常用传感器有雷达和立体视觉, 基于运动的即检测场景中的运动目标, 但无法检测静止的行人, 基于特征的方法不需要额外的传感器, 而是根据目标的边缘, 熵和纹理信息来判断是否是行人区域, 基于摄相机参数即根据其安装位置和参数, 对行人出现在图像中的位置和大小进行筛选, 但其标定结果会受车体震动的影响。目标识别是行人检测的核心环节, 包括根据行人运动步态的识别和根据行人边缘、纹理等形状信息的识别[2]。
目前许多行人检测算法使用单一摄像头传感器, 存在数据量少、算法复杂的缺陷, 本文使用融合雷达和摄像头数据的方法, 将雷达数据进行聚类, 将聚类得到的目标位置信息根据联合标定的结果投影到图像坐标系, 以此作为兴趣区域。然后对兴趣区域进行对称度、腿部垂直边缘统计和基于Hausdorff距离的模板匹配的分析处理, 来判断是否为行人区域。
本文的交通环境, 行人和车辆, 以及车载传感器均在Prescan软件环境下进行建模仿真。Prescan是一款功能丰富的交通仿真软件, 提供了多种交通环境中出现的模型以及各种能仿真传感器数据的传感器模型, 可搭建常见的路况和建筑, 该软件核心的计算和仿真部分是在simulink中完成的, 整个搭建的模型以在simulink中可视并且实时仿真。本文利用simulink自定以模块添加了自己编写的行人检测模块, 放到已经搭建的模型中, 这样就可以在实时的仿真过程中检测行人检测算法的鲁棒性, 相比较于真实交通场景中的实验检测不仅节省了时间和投入, 更具有安全性。
1 传感器联合标定
融合2种传感器数据的基础是对它们各自坐标进行联合标定。对于摄像机针孔成像线性模型, 图像坐标和车辆坐标系的关系可以表述如下。
式中:[u v 1]T为图像齐次坐标, [Xw YwZw1]T为车辆坐标系中的齐次坐标, 通过标定即可得到坐标变换的投影矩阵。只要得到雷达坐标系到车辆坐标系的变换关系即可得到2传感器的坐标变换, 三者关系见图1。
本文中将雷达安置在车辆坐标系原点正上方, 高度为h, 则雷达坐标系与车辆坐标系关系如下
这样通过这个标定过程就可以把雷达的坐标系和图像坐标系通过一个投影变换矩阵联系起来
通过标定即可求解式中的投影矩阵参数, 这样就实现了2种传感器空间上的同步, 由于2种传感器的采集频率不一定一致, 还需要做时间上的同步, 即通过航位推算[4]来抵消时间上不同步的误差。
2 传感器数据处理
传感器联合标定, 就是为了充分融合各自所包含数据信息的优势, 雷达数据可获取深度信息, 可实现聚类以提取兴趣区域, 将兴趣区域投影到图像坐标系中后, 则可以利用图像信息丰富的特点来做行人检测。
2.1 雷达数据聚类
激光雷达数据见图2。
由图2可见, 距离相近的点就可以聚类为一个物体, 这样雷达数据就可以划分为代表一个个物体的点簇。根据图3可以得到计算公式[4]:
式中:rk为雷达的第k个数据;φ为雷达的角度分辨率;f即是相邻2数据点的距离, 可以看出相邻量数据点距离越大, 计算得到的β就越大, 这样可以根据实验结果设定一个阈值, 当β大于该阈值则认为这2个数据点属于同一个物体, 反之亦然。这样通过这种聚类的方式实现了对雷达数据的聚类。并根据雷达的距离和角度计算得到每个物体的边界位置和中心位置的二位全局坐标信息。
2.2 摄像头数据处理
聚类之后得到了每个物体左右边界的二维坐标信息 (x1, y1) 和 (x2, y2) , 假设物体高度为2m, 把 (x1, y1, 0) 和 (x2, y2, 2) 分别根据式 (3) 确定的投影关系投影到图像坐标系即可得到该物体在图像中的矩形框范围, 从而确定兴趣区域, 见图4。
根据得到的兴趣区域便可以进行进一步的处理, 包括对称度分析和垂直边缘统计、高宽比和基于Hausdorff距离的模板匹配, 根据结果来判定目标区域是否属于行人。行人一般具有很强的对称度特征, 并且人体的腿部具有丰富的垂直边缘, 对各种行人进行对称度分析和垂直边缘统计结果如图所示, 可以看出人体具有很好的对称度和腿部垂直边缘, 见图5。
2.2.1 Hausdorff距离的模板匹配
Hausdorff距离是描述2组点集之间相似程度的一种度量, 它是点集之间距离的一种定义方式[3], 假设有2组点集A={a1, a2…, an}和B={b1, b2…, bn}, 则2组点集之间的Hausdorff距离定义为
式中:
其中:‖·‖为定义的A和B 2点集间的一种距离范数。
前面只是给出了Hausdorff距离的数学定义, 具体到图像模板匹配的应用上, 可以针对提取边缘后的二值图像来进行, 把边缘点当作点集, 计算出模板和带匹配图像的边缘点之间的距离, 以此作为相似度的度量。
2.2.2 Hausdorff距离的改进
虽然按定义进行的Hausdorff的可以对模板和图像进行匹配, 但是它的缺点也很明显, 首先对有向的距离h (A, B) 只是去所有点的距离中的最大值, 这样容易受到噪声的干扰, 鲁棒性并不好, 并且对于一个模板要遍历图像来寻找匹配区域时, 要反复计算模板的每个点和当前匹配区域的点的距离的最小值, 这是一个很大的计算量, 严重影响了算法的实时性。所以针对以上2点本文使用改进和加速的Hausdorff距离算法。
首先对于有向距离h (A, B) 不仅是取所有点距离的最大值而是去平均值, 这样就提高了算法的鲁棒性
式中:I为带匹配图像;M为模板;k为I中所有点的个数。
对于I每个点都要求取M中和它距离最小的点, 并且模板还要遍历图像, 计算量也很大, 所以本文对模板进行距离变换, 得到原边缘图像等尺寸的距离映射图, 每个点的值为它距离最近的边缘点的距离值, 如果该点是边缘点则其值为0, 距离变换定义:
式中:dM (p, q) 为p、q 2点之间的距离;O为图像中所有的边缘点集合[3]。
本文根据行人下半身姿态比上半身相对稳定的特点使用行人的上身模板对行人进行匹配, 对模板距离变换并匹配的结果见图7。
3 Prescan中建模和仿真
对于行人检测算法的实验问题不仅要考虑有效性真实性和成本还要考虑安全性, 真实交通场景实验有一定的危险性, 并且不容易找点典型的场景。PRESCAN就提供了一个交通仿真的平台该软件中提供了丰富的交通建模的模块, 包括各种路口、可定自已曲率和通道数目的道路和高架等, 还有各种姿态的行人和车辆, 并且可以对车辆进行详细的动力学参数定义和道路轨迹设定, 其次也有用于实现主动安全系统的各种传感器和相应的标定板, 以及方便GUI建模界面, 见图8。软件核心仿真过程是在Simulink中完成的, 用户可以在Simulink中对该模型进行相应的编辑和控制, 其中行人检测算法的模块就需要在Simulink模型中添加。
本文针对行人检测进行建模后, 对车辆搭载相应的传感器并完成相应的联合标定, 并添加行人的算法模块后, 进行仿真结果见图9。
4 结束语
本文提出了一种基于多传感器融合和Hausdorff距离匹配的行人检测算法, 并通过在PRES-CAN仿真平台中建模, 验证了该算法的良好的检测效果。但是由于行人各种着装和附属物的复杂性和姿态的多变性, 单一的模板匹配并不能完全满足实际主动安全系统的鲁棒性要求, 以后的工作还要进一步完善对各种姿态行人检测算法的性能。
参考文献
[1]贾慧星, 章毓晋.车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J].自动化学报.2007, 33 (1) :84-90.
[2]刘强, 陆化普.我国道路交通事故特征分析与对策研究[J].中国安全科学学报, 2006, 16 (6) :123-128.
[3]邱志敏, 李军.基于Hausdorff距离的自动目标识别算法研究[J].红外技术, 2006, 28 (4) :199-202.
[4]钱慧佳, 杨明, 王春香, 等.一种基于激光雷达和视觉的行人检测方法[J].上海交通大学学报, 2010, 44 (7) :946-949.
[5]刘大学, 戴斌, 李政, 等.一种单线激光雷达和可见光摄像机的标定方法[J].华中科技大学学报:自然科学版, 2008, 36 (S1) :68-71.
[6]Cur io C, Edelbrunner J, Kalinker T, et al.Walking pedestrian r ecognition[J].IEEE Transa ctions on Intelligent Tr anspor tation Systems, 2000 (3) :155-163.
[7]蔡果, 刘江鸿, 杨降勇, 等.城市道路交通中行人安全问题研究[J].华北科技学院学报, 2005, 2 (4) :60-65.
[8]邱茂林, 马颂德, 李毅.计算机视觉中摄像机定标综述[J].自动化学报, 2000, 26 (1) :43-55.
[9]郭烈, 王荣本, 顾柏园, 等.世界智能车辆行人检测技术综述[J].公路交通科技, 2005, 22 (11) :133-137.
6.基于SURF的行人重识别研究 篇六
关键词：SURF算法,HSV颜色模型,行人重识别
随着城市的现代化发展的步伐,越来越多的摄像头出现在各个城市,它们时刻关注着人们在公共场所的一举一动。英国是最早建立并使用视频监控系统的国家,如今欧美国家已经在公共场所建立了一系列视频监控[1],如地铁站,每隔几米就有1-2个摄像头,为居民的人身安全提供了重要的保障。2005年9月我国公安部正式启动城市联网报警与监控系统建设,正式启动城市联网报警与监控系统建设,在全国推行“平安城市”建设。当今城镇化的快速发展,使得社会治安变的日趋复杂,公共安全问题不断凸显。目前我国的在刑事案件侦破中,以人力搜捕为主,视频监控为辅的模式,大大地影响了工作效率,同时也耗费了很多的人力和物力。如何充分利用视频监控系统,建立对目标人物的快速定位、跟踪和追捕的侦查系统显得尤为重要。本课题研究如何快速地在事件发生后,对目标行人的运动轨迹进行定位,使公安部门及时锁定目标人物的方位,从而有效地减少搜索范围,从而减少人力和物理的浪费。
当前,已有的行人重识别方法是基于特征描述和基于距离度量方法,这两种方法分别从图像的两个方面进行识别,存在训练时间长,复杂度高,存储开销大的问题。针对这些问题,本文提出一种基于SURF的行人重识别方法。首先在HSV颜色空间对行人图像进行初次识别,建立备选图像集,然后使用SURF算法对备选图像集提取特征点,进行精确识别。
1 HSV颜色模型建立备选图像集
一般,通过摄像机获得的图像是RGB颜色模型,而RGB颜色模型容易受到强光,弱光,阴影等因素的影响,使它的稳定性受到影响,并且是面向硬件的,不是面向用户的。1978年A.R.Smith在创建了HSV颜色模型[2],也称六角锥体模型(Hexcone Model),HSV是基于人的眼睛对色彩的识别,是一种从视觉的角度定义的颜色模式。将色彩分解为色调,饱和度及亮度,是一种针对用户观感的颜色模型。RGB转换到HSV颜色空间的关系如上。
因为目标行人在不同的摄像头下获得的图片亮度会有些差异,为了提高检测的准确性和效率,舍弃图像中表示亮度的V特征,只提取图像的H和S特征,由于HSV颜色空间中的颜色比较丰富,本文只提取图像中出现频率超过50%颜色的H和S特征,并且选取图像横向20%-80%,纵向20%-40%作为上衣的特征提取区域;选取像横向30%-70%,纵向55%-65%作为裤子的特征提取区域[3]如图1,颜色特征提取流程如图2:
2 基于SURF的特征点提取
SURF算法是Speeded Up Robust Features的缩写,就是“加速版的具有鲁棒性的特征“算法,由Bay在2006年首次提出。SURF是尺度不变特征变换算法(SIFT算法)的加速版[4]。在多幅图片下具比SIFT更好的稳定性。因为采用了harr特征以及积分图像的概念,使程序的运行时间显著的提高。
2.1 提取特征点
对图像中每一个像素点,可以求出Hessian矩阵,如下:
由于提取出的特征点需要具备尺度无关性,所以在进行Hessian矩阵构造前,需要对其进行高斯滤波。这样,经过滤波后在进行Hessian的计算,其公式如下:
H矩阵的特征值就是判别式的值,根据判别式的值的正负,来判断该点是否为极值点。
2.2 特征点描述
统计特征点领域内的harr小波特征,得到最大的harrx和最大的harry,组成了主方向向量。在特征点周围取一个正方形框,框的边长为20s(s是所检测到该特征点所在的尺度)。该框方向当特征点的主方向。然后把该框分为16个子区域,每个子区域统计25个像素的水平方向和垂直方向的haar小波特征。该haar小波特征为水平方向值之和,水平方向绝对值之和,垂直方向之和,垂直方向绝对值之和。每个小区域就有4个值,所以每个特征点就是16*4=64维的向量。
2.3 特征点匹配
取一幅图像中的一个SIFT关键点,并找出其与另一幅图像中欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T,则接受这一对匹配点,ratio取值在0.4~0.6之间最佳。
3 实验结果
本实验采用VIPe R数据库,VIPe R数据库中的图像有87幅,是从户外两个不同的摄像头下获得,在户外光线、拍摄视角、人物背景等方面都发生了变化,库中图像大小归一化为128X48像素。下面以一组图像为例进行识别,如图3。
图像3左边的图像来自A摄像头,在经过HSV颜色空间筛选后,在右侧B摄像头获得的873幅图像中获得35幅图像作为备选图像,利用SURF算法后获得的特征点的主向量和方向如下图4,匹配结果如图5:
从图5可以看出,同一人的匹配对数和正确率都比较高,不同人的匹配对数和这确率则较低。从图6可以看出,基于SIFT算法的匹配对数和正确率都明显比SURF算法的低。在VIPe R数据库中抽取20对图像进行测试结果显示,SURF算法的正确率明显提高,且检测的时间有效地减少,所以本实验能有效地提高对行人的识别效率和准确度。
参考文献
[1]赖银汉,周军英国视频监控系统建设情况考察报告[J].广东公安科技,2006(1):102-104.200.
[2]蔡式东一种基于HSV空间和粗糙集的彩色图像分割方法[J].光电子技术2011,1(31):5-9.
[3]彭志勇基于HSV模型和特征点匹配的行人重识别算法[J].光电子.激光2015,8(26):1575-1581.