TWI589468B - 行人偵測系統 - Google Patents

Description

行人偵測系統

本發明係關於一種行人偵測系統，特別關於一種車載且適用於低環境照度下之行人偵測系統。

隨著行車環境日益複雜，對行車安全的要求也日益增加。許多廠商已致力於發展智慧型行車系統。此等智慧型行車系統，除需能偵測周遭環境狀況外，更需能偵測行駛道路上的物體，如行人或其他車輛等，以便使駕駛者能因應周遭環境的變化做出即時的反應。

於行駛道路上，行人為最迫切需要關注但亦是最難以被準確偵測的物體。此係基於行人之姿態、其所穿著之衣物之顏色、其大小比例及形狀等，皆有複雜的變化。一般欲偵測行人，需有兩方面考量，即其表現性特徵(appearance)及物體性特徵(objectness)。通常影像以二維平面的方式呈現，而對此二維平面影像的物體性特徵分析需藉由整體影像的表現性特徵分析而得到。一般行人所處場景可能極為複雜，並不只包含單一行人之訊息，亦包含了深度的訊息。例如於行人之前後可能有其他行人或物體。而對此二維平面影像場景中的前與深度訊息有關之前景及背景，通常皆以類似之方式處理。因此，此等複合式的背景造成對此二維平面影像中之行人的偵測失去準確性。

上述之問題，有嘗試利用深度偵測單元解決者。其係利 用可偵測距離之深度偵測單元(如雷達)測得車輛與行人之距離，以界定出真正之行人。然而，其僅能用於偵測距離，並無法測得行人之形貌特徵，因而亦無法準確地偵測出行人。

再者，現行之行人偵測系統僅限於處理亮度相似之環 境，無法應用於亮度具高對比之環境。例如，使用一分類器以方向梯度直方圖以及區域方向特徵為一複合式特徵時，其所辨識之目標物僅能為在外觀上與訓練模型之資料相似之日間行人，難以處理在低環境照度下之目標物影像。此外，所訓練之模型為一考慮整體影像之訓練目標，不適於在目標物因高對比而僅有部分理想影像區域下進行辨識。

為解決上述問題，本發明提供一行人偵測系統，結合深度擷取單元所擷取之空間位置訊息，以及影像擷取單元所擷取之影像特徵訊息以能準確偵測並判斷是否為正確之行人。此外，利用對數加權模式並結合動態照明物體偵測單元，可得到目標物體之理想影像區域，並藉此抑制低環境照度下，因偵測影像對比過高而產生之投票值異常。再者，利用外觀可信度及空間可信度進行加權評分計算而得到一綜合評價值，以便提高行人偵測之準確率。

為達上述目的，於一實施例中，本發明提供一行人偵測系統，包含一深度擷取單元、一影像擷取單元以及一綜合處理單元。深度擷取單元用以偵測並取得一待測物體之一空間位置訊息。影像擷 取單元用以擷取待測物體之影像進行辨識並取得一影像特徵訊息。綜合處理單元於接收空間位置訊息及影像特徵訊息後，執行一評分機制以偵測及判斷待測物體是否為行人。其中，評分機制係依據由影像特徵訊息經資料轉換得到之一外觀可信度及由空間位置訊息經資料轉換而得到之一空間可信度經加權評分計算而得到一綜合評價值，綜合處理單元依據綜合評價值判斷待測影像是否為行人。

前述之行人偵測系統，更可包含一動態照明物體偵測單 元，係用以取得待測物體經影像擷取單元影像辨識後之一理想影像區域，並保留理想影像區域之影像特徵訊息，藉以提高評分機制之準確性。另外，動態照明物體偵測單元係透過一方向梯度直方圖配合一對數加權模式得到理想影像區域之影像特徵訊息。對數加權模式係透過擷取待測物體之影像材質訊息強度差異，經一對數運算，取得影像特徵訊息之部分資訊。

前述之行人偵測系統，空間位置訊息可包含待測物體之 一座標及待測物體與一載具之一距離。另外，評分機制係藉由一高斯機率函式，取得待測物體之影像及距離之配對機率而得到空間可信度。再者，行人偵測系統可應用於環境照度為10以上。

於另一例中，本發明另提供一行人偵測系統，其包含一 深度擷取單元、一影像擷取單元、一動態照明物體偵測單元以及一綜合處理單元。深度擷取單元、影像擷取單元及動態照明物體偵測單元電性連接至綜合處理單元。深度擷取單元用以偵測並取得一待測物體之一空間位置訊息。影像擷取單元用以擷取待測物體之影像進行辨識 並取得一影像特徵訊息。動態照明物體偵測單元用以依據行人之影像之一相對亮度，取得行人經影像擷取單元影像辨識後之一理想影像區域，並保留理想影像區域之影像特徵訊息。綜合處理單元於接收空間位置訊息及理想影像區域之影像特徵訊息後，執行一評分機制以偵測及判斷待測物體是否為行人。其中，評分機制係由影像特徵訊息經資料轉換得到之一外觀可信度及由空間位置訊息經資料轉換而得到之一空間可信度經加權評分計算而得到一綜合評價值，綜合處理單元依據綜合評價值判斷待測物體是否為行人。

前述之行人偵測系統，動態照明物體偵測單元係透過一 方向梯度直方圖配合一對數加權模式得到理想影像區域之影像特徵訊息。另外，相對亮度為照度10以上。

100、200‧‧‧行人偵測系統

110、210‧‧‧深度擷取單元

111、211‧‧‧空間位置訊息

120、220‧‧‧影像擷取單元

121、221‧‧‧方向梯度直方圖

122、222‧‧‧對數加權模式

123、223‧‧‧影像特徵訊息

130、230‧‧‧綜合處理單元

131、231‧‧‧資料關聯程序

132、232‧‧‧評分機制

133、233‧‧‧最終之偵測結果

240‧‧‧動態照明物體偵測單元

300‧‧‧行人影像

310‧‧‧區塊

320‧‧‧子區塊

330‧‧‧直方圖

340‧‧‧方向分布

350‧‧‧特徵向量分布

r(x,d)‧‧‧座標

c_r(u_r,v_r)‧‧‧座標

A1‧‧‧過低影像區域

A2‧‧‧理想影像區域

A3‧‧‧過曝區域

v_PI‧‧‧照度過低分界點座標

v_OE‧‧‧過曝區域分界點座標

d1‧‧‧方向梯度直方圖之影像特徵參數維度大小

d2‧‧‧對數加權模式之影像特徵參數維度大小

d_B‧‧‧各別影像特徵之起始區域

d_E‧‧‧各別影像特徵之終止區域

B‧‧‧行人影像邊界區域

C_I‧‧‧行人影像邊界區域底部中點位置

C_R‧‧‧測距資料映射於偵測影像位置

C_R ^＊‧‧‧與偵測影像預測最接近的測距資料位置

第1A圖係繪示依據本發明之一實施例之行人偵測系統架構示意圖；第1B圖係繪示依據第1A圖之行人偵測系統之偵測流程示意圖；第2A圖係繪示依據本發明另一實施例之行人偵測系統架構示意圖；第2B圖係繪示依據第2A圖之行人偵測系統之偵測流程示意圖；第3圖係繪示本發明一實施例中，利用方向梯度直方圖進行分析並取得影像特徵訊息之示意圖；第4圖係繪示本發明一實施例中，利用對數加權模式進行分析並取得影像特徵訊息之示意圖； 第5圖係繪示本發明一實施例中，空間位置訊息對應影像特徵訊息之融合示意圖；第6圖繪示依據第2A圖之行人偵測系統中，以動態照明物體偵測單元取得理想影像區域之示意圖；第7圖係繪示本發明一實施例中，以外觀可信度及空間可信度經加權評分而得到一綜合評價值之示意圖；以及第8圖係繪示本發明一實施例中，利用高斯機率函式取得空間可信度之示意圖。

將參照所附圖式說明本發明之具體實施例。於實施例 中，將對行人偵測系統100、200之架構及其運作機制一併詳細地說明，以期能理解本發明之技術內容。

以下先以流程示意圖說明本發明之行人偵測系統100之 偵測流程，嗣後再對各流程進行詳細說明。

請同時參照第1A圖、第1B圖第2A圖及第2B圖。第1A圖 係繪示依據本發明之一實施例之行人偵測系統100架構示意圖；第1B圖係繪示依據第1A圖之行人偵測系統100之偵測流程示意圖；第2A圖係繪示依據本發明另一實施例之行人偵測系統200架構示意圖；以及第2B圖係繪示依據第2A圖之行人偵測系統200之偵測流程示意圖。

第1A圖中，行人偵測系統100基本包含一深度擷取單元 110、一影像擷取單元120以及一綜合處理單元130。於另一例中，行 人偵測系統200包含一深度擷取單元210、一影像擷取單元220、一綜合處理單元230以及一動態照明物體偵測單元240(請參照第2A圖)。

利用第1A圖中之行人偵測系統100偵測行人之流程如第 1B圖所繪示。透過深度擷取單元110偵測待測物體，並取得待測物體之空間位置訊息111。空間位置訊息111例如可為待測物體之座標或待測物體與車輛間之距離等。於一例中，深度擷取單元110可為一雷達。

透過影像擷取單元120擷取待測物體特徵之影像，以便進 行辨識並取得所需之影像特徵訊息123。其運作方式，係透過方向梯度直方圖121及對數加權模式122的運算，以取得真正需要之影像特徵訊息123。

透過綜合處理單元130，將空間位置訊息111及影像特徵 訊息123進行資料關聯程序131以及評分機制132後，得到最終之偵測結果133。

上述之評分機制132係依據一外觀可信度及一空間可信 度加權評分作出綜合評價值，並依據綜合評價值判斷待測物體是否為真正之行人，以便車輛駕駛即時作出反應。

依據本發明之另一較佳實施例，分別如第2A圖及第2B圖 所繪示，提供一行人偵測系統200及依據行人偵測系統200之偵測流程。行人偵測系統200基本包含一深度擷取單元210、一影像擷取單元220、一綜合處理單元130以及一動態照明物體偵測單元240。較之行人偵測系統100，行人偵測系統200新增動態照明物體偵測單元240，可於環境照度較低的狀況下，取得待測物體經影像擷取單元220影像辨 識後之一理想影像區域A2(請一併參照第6圖)。與行人偵測系統100相似地，影像擷取單元220擷取待測物體特徵之影像後，透過方向梯度直方圖221及對數加權模式222的運算，得到理想影像區域A2之影像特徵訊息223。透過綜合處理單元230，將空間位置訊息211及影像特徵訊息223進行資料關聯程序231以及評分機制232後，得到最終之偵測結果233。行人偵測系統200之評分機制232進行評分時，主要利用理想影像區域A2之影像特徵訊息223進行評分，以增加於環境照度不足的環境下，行人偵測之準確性。於一例中，上述行人偵測系統100、200適合應用於相對亮度為10照度以上。上述行人偵測系統200更加入一動態照明物體偵測單元240，能應用於相對亮度更低的環境下。

上述係說明本發明之行人偵測系統100、200之基本架構 及偵測流程。於以下實施例中，將再進一步詳細說明如何利用行人偵測系統100偵測而判斷待測物體為正確之行人。行人偵測系統200與行人偵測系統100大部分元件及運作機制相同，其差異之處會再另加說明。

請參照第3圖，第3圖係繪示本發明一實施例中，利用方 向梯度直方圖121進行分析並取得影像特徵訊息123之示意圖。首先，將透過影像擷取單元120所擷取之行人影像300進行資料處理，將其劃分為128 x 64像素點。為增加取得影像特徵訊息123之效率，透過區塊化的方式，從上述行人影像300取出16 x 16像素點之區塊310，再從區塊310中取出8 x 8像素點之子區塊320。透過梯度運算，取得子區塊320內，每一個像素點的邊緣強度與邊緣方向。接續，統計子區塊320內， 所有像素點的邊緣方向分布情況，採用9維向量邊緣方向分布340表示，建立直方圖330。最終，得到對應子區塊320之特徵向量分布350，此特徵向量分布350為子區塊320之影像特徵訊息123之部分資訊。

請參照第4圖，第4圖係繪示本發明一實施例中，利用對數加權模式122進行分析並取得影像特徵訊息123之示意圖。

於前述第3圖中所示，利用方向梯度直方圖121取得影像特徵訊息123的方式，對於行人影像300中，強度較高的影像邊緣形狀能有效地處理。然而，若於行人鄰近處有其餘物體，例如樹木或街燈等柱狀物，則容易產生誤判。此時，必須對物體本身材質進行額外處理，以取得最終正確之影像特徵訊息123。據此，本發明提出對數加權模式122，以便對物體材質進行分析。對數加權模式122係透過擷取行人影像300的影像材質訊息強度差異，經對數運算，取得影像特徵訊息123之部分資訊，其細節如下述。

如第4圖之(a)部分，同樣以前述第3圖中之行人影像300為例。首先，選取如同前述之區塊310進行分析。接續，如第4圖之(b)部分，對區塊310中的任一像素點，與其八個相鄰之像素點進行比較。對於中心像素點之強度值大於某個相鄰像素點之強度值，則設置為1；否則，則設置為0，以便獲得一個8位元的二進位制數值(或轉換為十進位制數值)，作為此位置的特徵值，其表示為(01111100)，如第4圖之(c)部分。最終，分析每個區塊310的特徵值分類情形，建立成一個統計圖，如第4圖之(d)部分。所有統計圖合成後即形成行人影像300最終的特徵向量，即可得到對應行人影像300之影像特徵訊息123。

前述之0到1或1到0各別表示一個轉換的狀況。於自然界 影像中，超過95%的特徵值僅有2種或更少的轉換。據此，具有2種或更少的轉換的特徵值，定義為均勻的特徵值。前述的行人影像300中，此種均勻的特徵值可分為58個分類(bin)。此外，為簡化計算，將所有超過2種以上轉換的特徵值定義為非均勻的特徵值，並將其集中分為一個分類。最後，可於統計圖中得到59個分類(bin)。每個分類可得到一相對應之投票值(voting value)。此投票值係對應每個區塊310中，物體之不同材質訊息強度所對應之權重(weight)。

於環境照度不足的狀況下，由前述影像擷取單元120擷取 的影像將呈現不同程度的亮度差異。此等狀況下，某些過曝或照度過低的情形會令某特定特徵值的投票值過大，進而使此特徵值對應之分類過大，而影響了影像特徵訊息123的準確性。

為解決上述因過高對比，而使特徵值為特定分類所主導 的問題，因此引入對數加權模式122，以抑制過高權重產生的投票值異常。

對數加權模式122可以下列公式表示之：

w _x =ln(P _mag ( x )+ε)

上述式(1)中，w_x表示位於點x之權重參數，而I(.)表示對應於點x及點y之強度值。

藉由上述之對數加權模式122中之對數函式ln(P _mag ( x )+ε)，可抑制權重參數w_x之擴張速度，進而抑制因環 不足而產生之高對比之影像部分，降低因權重過高而導致影像特徵訊息123異常的問題。

上述已說明於本發明一實施例之行人偵測系統100中，影 像特徵訊息123係依據以方向梯度直方圖121所提取之形狀特徵，以及對數加權模式122所提取之影像材質特徵，並加以考量環境照度變化而得到。於下述實施例中，更進一步說明如何以綜合處理單元130結合深度擷取單元110以提高最終之行人偵測準確性。並且，再更進一步地說明，於本發明另一較佳實施例之行人偵測系統200中，如何結合動態照明物體偵測單元240，使本發明之行人偵測系統200能於更低環境照度的狀況下，準確偵測行人。

第5圖係繪示本發明一實施例中，空間位置訊息111對應 影像特徵訊息123之融合示意圖。先前已述及，單純以影像擷取單元120，僅能提取影像外觀之特徵值，但無法處理包含深度訊息在內之複雜場景。

其解決方式，須以深度擷取單元110取得如行人與車輛間 距離等深度訊息。再藉由綜合處理單元130進行資料關聯程序131以結合深度擷取單元110所擷取之空間位置訊息111與影像擷取單元120所擷取之影像特徵訊息123。

深度擷取單元110使用如雷達等裝置，係用以偵測行人之 空間位置訊息111。為使空間位置訊息111與影像特徵訊息123能順利結合，必須先經過座標轉換程序。第5圖中，一物體如行人被深度擷取單元111所偵測之空間位置點，係以座標r(x,d)表示之；而透過影像擷 取單元120所擷取之影像上之一點，係以座標c_r(u_r,v_r)表示之。藉由下述公式，可將座標r(x,d)轉換至座標c_r(u_r,v_r)：

上述式(2)中，(u_p,v_p)為影像主點所在之位置，K_u及K_v 分別為深度擷取單元110(如雷達)之水平及垂直焦距(focal length)，D_c為影像擷取單元120(如一攝像機)與深度擷取單元110之距離，H_c為影像擷取單元120之高度，θ_tilt及θ_pan分別為影像擷取單元120之傾斜角度及移動角度。經過上述式(2)之座標轉換後，即可進行後續之處理程序。

上述之實施方式係以行人偵測系統100為例，而行人偵測 系統200亦同。如前述及，於低環境照度狀況下，以行人偵測系統100對行人偵測的準確度會受到影響。因此，於行人偵測系統200中，引入動態照明物體偵測單元240。請參照第6圖，其繪示依據第2A圖之行人偵測系統200中，以動態照明物體偵測單元240取得理想影像區域A2之示意圖。首先，於一低環境亮度下，將偵測物體如行人，依其受到照明區域之亮度分布分類為過低影像區域A1、理想影像區域A2以及過曝區域A3。一般偵測結果之可信度係為特徵向量(feature vector)及訓練模型(training model)資料之間的關聯程度所決定。再者，最終對具不均勻影像區域之偵測物體之評價值(scoring)將會受到具均勻影像區域所影響。

過低影像區域A1通常發生於偵測物體之上半部，藉由將 偵測物體分為上下兩區域，計算兩者平均亮度差距最大位置為分界點。對過低影像區域A1之邊界可以下列公式表示之：

上述式(3)及式(4)中，p(u,v)為偵測影像上之一點。v_PI為一照度過低分界點座標，將偵測物體區定義為過低影像區域A1及理想影像區域A2。

而過曝區域A3通常發生於偵測物體之下半部，因此將下半部過曝區域A3之位置上邊界定義為過曝線。對過曝區域A3之邊界可以下列公式表示之：

上述式(5)中，v_OE為一過曝區域分界點座標，將偵測物體區定義為理想影像區域A2及過曝區域A3。d1表示為前述方向梯度直方圖121之影像特徵參數維度大小，d2為前述對數加權模式122之影像特徵參數維度大小，d_B為各別影像特徵之起始區域(start dimension)，d_E為各別影像特徵之終止區域(terminal dimension)。

前述已提及偵測結果之可信度係為特徵向量及訓練模型 資料之間的關聯程度所決定。更明確言之，係為偵測影像之特徵向量及訓練模型資料之向量之內積(inner product)所決定。因此，利用下列公式計算出評價值：

上述式(6)中，W=(w ₁ ^T ,w ₂ ^T ) ^T 表示為對應訓練模型資料之 向量；X=(x ₁ ^T ,x ₂ ^T ) ^T 表示為對應之特徵向量。s(X)為對應特徵向量X之評價值。

請參照第7圖及第8圖，第7圖係繪示本發明一實施例中， 以外觀可信度及空間可信度經加權評分而得到一綜合評價值之示意圖。第8圖係繪示本發明一實施例中，利用高斯機率函式取得空間可信度之示意圖。下列說明以行人偵測系統100為例，行人偵測系統100及行人偵測系統200之差異在於動態照明物體偵測單元240的使用(已說明於第6圖)，其餘實施方式相同，不再另述。

於上述已可計算出對可信度之評價值s(X)，為使偵測結 果更為準確，在決定最終之可信度之前，需對由影像擷取單元120擷取之影像訊息及透過深度擷取單元110所擷取之空間位置訊息進行一綜合判斷。一般由深度擷取單元110所取得為偵測影像上之一點，而透過影像擷取單元120所取得為一系列之影像。為了使上述兩種不同機制可 以結合，於第8圖中，定義一行人影像邊界區域B，而一預定被偵測之目標物體之位置，係由行人影像邊界區域B底部中點位置C_I為基準。利用此方式，可避免不同目標物體高度的影響。首先，假設偵測影像相對於行人影像邊界區域B之空間位置可以c_I(u_I,v_I)表示，而深度擷取單元110之測距資料映射於偵測影像之空間位置可以c_R(u_R,v_R)表示，此時c_I(u_I,v_I)及c_R(u_R,v_R)之關係透過位置於空間中之位移來描述：

△u=u _I -u _R △v=v _I -v _R (7)。

於第8圖中，可看出於二個軸(u,v)上之位移分佈皆近似於一常態分佈(normal distribution)。因此，於u軸及v軸上的空間關係可以如下列式(8)中之二相異高斯函式表示之：G _u (．)~N(0,σ _u ² ) G _v (．)~N(0,σ _v ²) (8)；P _associate (c _I ,c _R )=G _u (△u)×G _v (△v) (9)。

從上述式(9)中，可得每個成對之位置C_I及C_R，皆可計算出其機率P_associate。更詳而言之，對於每個單一位置C_I，皆有一與偵測影像預測最接近之測距資料位置C_R ^＊與其對應。據此，行人影像邊界區域B相對於位置C_I之空間可信度P_spatial(B)可由下列公式得到：

另外，行人影像邊界區域B的外觀可信度P_appearance(B)可由下列公式得到： 上式(11)中，s(X_B)表行人影像邊界區域B中，對應特徵向量X之評價值。

最終，結合上述式(10)及式(11)，可得最終之綜合評價值P_fusion(B)：P _fusion (B)=(1-w _r )×P _appearance (B)+w _r ×P _spatial (B) (12)。

上述之式(12)，係說明以空間可信度P_spatial(B)對外觀可信度P_appearance(B)進行調整；換言之，綜合處理單元130提供的評分機制係結合空間可信度P_spatial(B)及外觀可信度P_appearance(B)給出最終之綜合評價值，藉以解決在低環境照度下，因偵測影像呈現高對比而使偵測不準確的問題。

雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

210‧‧‧深度擷取單元

211‧‧‧空間位置訊息

220‧‧‧影像擷取單元

221‧‧‧方向梯度直方圖

222‧‧‧對數加權模式

223‧‧‧影像特徵訊息

230‧‧‧綜合處理單元

231‧‧‧資料關聯程序

232‧‧‧評分機制

233‧‧‧最終之偵測結果

240‧‧‧動態照明物體偵測單元

Claims (8)

1. 一種行人偵測系統，包含：一深度擷取單元，偵測並取得一待測物體之一空間位置訊息；一影像擷取單元，擷取該待測物體之影像進行辨識，並取得一影像特徵訊息；以及一綜合處理單元，與該深度擷取單元及該影像擷取單元電性連結，該綜合處理單元接收該空間位置訊息及該影像特徵訊息，執行一評分機制以偵測及判斷該待測物體是否為行人；其中，該影像特徵訊息經資料轉換得到一外觀可信度，該空間位置訊息經資料轉換得到一空間可信度，該評分機制對該外觀可信度及該空間可信度經加權評分處理取得一綜合評價值，該綜合處理單元依據該綜合評價值判斷該待測物體是否為行人；其中該空間位置訊息包含該待測物體之一座標及該待測物體與一載具之一距離；該評分機制係藉由一高斯機率函式，取得該待測物體之影像及該距離之配對機率而得到該空間可信度。
2. 如申請專利範圍第1項所述之行人偵測系統，更包含一動態照明物體偵測單元，係用以取得該待測物體經該影像擷取單元影像辨識後之一理想影像區域，並保留該理想影像區域之該影像特徵訊息。
3. 如申請專利範圍第2項所述之行人偵測系統，其中該動態照明物體偵測單元係透過一方向梯度直方圖配合一對數加權模式得到 該理想影像區域之該影像特徵訊息。
4. 如申請專利範圍第3項所述之行人偵測系統，其中該對數加權模式係透過擷取該待測物體之影像材質訊息強度差異，經一對數運算，取得該影像特徵訊息之部分資訊。
5. 如申請專利範圍第1項所述之行人偵測系統，其中該行人偵測系統可應用於環境照度為10以上。
6. 一種行人偵測系統，包含：一深度擷取單元，偵測並取得一待測物體之一空間位置訊息；一影像擷取單元，擷取該待測物體之影像進行辨識並取得一影像特徵訊息；一動態照明物體偵測單元，用以依據該待測物體之影像之一相對亮度，取得該待測物體經該影像擷取單元影像辨識後之一理想影像區域，並保留該理想影像區域之該影像特徵訊息；以及一綜合處理單元，與該深度擷取單元、該影像擷取單元及該動態照明物體偵測單元電性連結，該綜合處理單元接收該空間位置訊息及該理想影像區域之該影像特徵訊息，執行一評分機制以偵測及判斷該待測物體是否為行人；其中，該影像特徵訊息經資料轉換得到一外觀可信度，該空間位置訊息經資料轉換得到一空間可信度，該評分機制對該外觀可信度及該 空間可信度經加權評分處理取得一綜合評價值，該綜合處理單元依據該綜合評價值判斷該待測物體是否為行人。
7. 如申請專利範圍第6項之行人偵測系統，其中該相對亮度為照度10以上。
8. 如申請專利範圍第6項之行人偵測系統，其中該動態照明物體偵測單元係透過一方向梯度直方圖配合一對數加權模式得到該理想影像區域之該影像特徵訊息。