行人检测专利技术综述
行人检测综述报告[推荐]
![行人检测综述报告[推荐]](https://img.taocdn.com/s3/m/16aec28db1717fd5360cba1aa8114431b90d8e2c.png)
行人检测综述报告[推荐]第一篇：行人检测综述报告[推荐]基于深度神经网络的行人检测综述摘要：行人检测是汽车自动驾驶的基础技术之一。
基于深度神经网络模型的行人检测方法取得的效果已经远超于使用传统特征经行识别得到的效果。
仿生物视觉系统的卷积神经网络作为深度学习的重要组成、在图像、语音等领域得到了成功应用。
其局部感受野、权值共享和降采样三个特点使之成为智能机器视觉领域的研究热点。
通过增加网络层数所构造的深层神经网络使机器能够获得抽象概念能力，在诸多领域都取得了巨大的成功，又掀起了神经网络研究的一个新高潮。
本文回顾了神经网络的发展历程，综述了其当前研究进展以及存在的问题，展望了未来神经网络的发展方向。
关键词：行人检测；卷积神经网络；深度学习Survey of Pedestrian detection based on Deep Neural Network Yin Guangchuan，Zhangshuai，Qi Shuaihui Abstract：Pedestrian detection is one of the basic technologies of unmanned vehicles. The pedestrian detection method based on the deep neural network model has achieved much more effect than the traditional one. Convolutional neural network which imitates the biological vision system has made great success on image and audio, which is the important component of deep learning. Local receptive field, sharing weights and down sampling are three important characteristics of CNN which lead it to be the hotspot in the field of intelligent machine vision．With the increasing number of layers, deep neural network entitles machines the capability to capture “abstract concepts” and it has achieved great success in various fields, leading a new and advanced trend in neural network research. This paper recalls the development of neuralnetwork, summarizes the latest progress and existing problems considering neural network and points out its possible future directions.Keywords: pedestrian detection; convolutional neural network; deep learning国防科技大学课程设计机器视觉1 引言行人兼具刚性和柔性物体的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人检测成为计算机视觉的研究难点与热点。
行人检测专利技术综述
行人检测专利技术综述作者：李爽来源：《科学与信息化》2018年第13期摘要近年来，伴随着计算机视觉、模式识别和人工智能等相关技术的发展，以及智能汽车、智能监控和安全领域的迫切需求，行人检测技术受到了越来越多的关注，已成为当前研究人员关注的一个重要的研究方向。
本文从行人检测的全球专利申请量、全球主要申请人分布、在中国提交申请量、中国主要申请人分布等角度进行了分析和研究，梳理了行人检测技术的研究现状及发展趋势。
关键词行人检测；行人检测应用1 全球专利申请分析1.1 全球专利申请量分析自2000年起，行人检测技术在全球的申请趋势按照申请量可分为三个阶段：技术启蒙期、稳健增长期、快速增长与技术产品化期，下面将具体给出三个阶段的数据分析。
技术启蒙期（2000-2004年）：2000年至2004年行人检测技术刚刚启蒙，申请量较少，这期间年均增长大约维持在20件左右。
由于此期间计算机视觉技术发展也刚刚起步，行人检测技术还处于理论研究阶段，其涉猎的应用领域还很少。
这期间主要的申请人还局限于汽车领域的领头企业，例如尼桑、瑞典奥拓立夫、本田等公司。
此阶段行人检测技术，还较为落后其检测还主要是基于对物体的检测结合物体行进速度对行人进行检测，检测准确率低。
稳健增长期（2005-2012年）：2005年至2012年，信息技术迅猛发展，计算机视觉也得到了飞速发展。
此阶段由于与行人检测相关的技术智能汽车、智能监控和安全领域也得到了相关企业重视。
行人检测技术申请量增长率有抬头趋势，在此期间年申请量50-80件左右，其主要涉猎的领域也较一阶段也涉及更多的应用领域，例如，一些新兴的企业单位也申请了相关专利申请。
且此阶段，行人检测技术采用的技术也有所改进，行人检测的准确率有了一定的提升[1]。
快速增长与技术产品化（2013-2016年）：在此期间，计算机视觉、图形图像等相关技术显著提升。
2013-2016年，全球专利年申请量迅猛增至年申请量200件，尤其是在近三年其增占率更是实现了翻倍增长。
行人检测技术研究综述
（ Ｊ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ￣ ｃ ｈ ｏｌ ｎ ｏ ｇ ｙ ， Ｚ ｈ ｅ ｊ ｉ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆＴ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｈ ａ ｎ ｇ ｚ ｈ ｏ ｕ ３ １ ０ ０ ２ ３ ， Ｃ ｈ ｉ ｎ ａ ；
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｊ％ｄ ｅ ｓ ｔ ｒ ｉ ａ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｉ ｓ ａ ｎ ａ ｃ ｔ ｉ ｖ ｅ ａ ｎ ｄ ｃ ｈ ａ ｌ ｌ ｅ ｎ ｇ ｉ ｎ ｇ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｔ ｏ ｐ ｉ ｃ ｉ ｎ ｔ ｈ ｅ ｉ ｆ ｅ ｌ ｄ ｏ ｆ ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ ｖ ｉ ｓ ｉ ｏ ｎ ． Ｉ ｔ ｈ ａ ｓ ａ ｌ ｏ ｔ ｏ ｆ ｉ ｍ ｐ ｏ ｒ ｔ ａ ｎ ｔ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｉ ｎ ｉ ｎ ｔ ｅ ｌ —
【 摘 要】行人检测是计算机视觉领域极具挑战性的研究热点， 它在智能交通、 机器人开发和视频监控等领域具有重要应用。
从行人 检测所 采用 的特 征着 手 ， 对 现有 的行人检测 方法进 行 了分 类和评述 ， 分 析 了各 类方 法的优缺 点 ， 同时 ， 介 绍 了常用 的行人 检测 数据库 的特 点 ， 最后分 析 了行 人检测研 究 中存 在 的难 题并对未 来 的发展做 出展 望。
ｌ ｉ ｇ ｅ ｎ ｔ ｔ ｒ ｎｓ ａ ｏｒ ｐ ｔａ ｔ ｉ ｏ ｎ，ｒ ｏ ｂ ｏ ｔ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ，ｖ ｉ ｄ ｅ ｏ ｓ ｕ ｒ ｖ ｅ ｉ ｌ ｌ ａ ｎ ｃ ｅ ａ ｎ ｄ Ｓ Ｏ ｏ ｎ．Ｍａ ｎ ｙ ｄ ｉ ｆｅ ｒ ｅ ｎ ｔ ｐ ｅ ｄ ｅ ｓ ｔ ｒ ｉ ｎ ａ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｓ ａ ｒ ｅ ｐ ｒ ｏ ｏｓ ｐ ｅ ｄ．Ｔｈ ｅ ｔ ｙ ｐ ｉ ｃ ｌ ａ ｐ ｅ ｄ ｅ ｓ ｔ ｒ ｉ ｎ ａ ｍｅ ｔ ｈ ｏ ｄ ｓ ａ ｙ ｅ ｃ ｌ ｓｓ ａ ￣ｅ ｄ ｉ ｎ ｔ ｏ ｔ ｈ ｒ ｅ ｅ ｃ ａ ｔ ｅ ｇ ｏ ｉｅ ｒ ｓ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｕ ｅｄ．Ｍｅ ｓ ｉｔ ｒ ｓ ｎｄ ａ ｄ ｅ ｍｅ ｒ ｉ ｔ ｓ ｏ ｆ ｅ ａ ｃ ｈ ｃ ｌ ｓｓ ａ ａ ｒ ｅ ｄ ｉ ｓ ｃ ｕｓ ｅｄ ｓ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ． Ａｔ ｔ ｈ ｅ￣ ｑ ｌ ／ ｌ ｅ ｔ ｉ ｍｅ．ｔ ｈ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｏ ｆ ｓ ｏ ｍｅ ｃ ｏ ｍｍｏ ￣ｙ ｕ ｅｄ ｓ ｐ ｅ ｄ ｅ ｓ ｔ ｉａ ｒ ｎ ｄ ａ ｔ ａ ｓ ｅ ｔ ｓ ａ ｒ ｅ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ． Ｓ ｏ ｍｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ｗｉ ｔ ｈ ｔ ｈ ｉ ｓ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｔ ｏ ｐ ｉ ｃ ａ ｔ ｅ ａ ｎ ｌｙ ａ ｚ ｅ ｄ ．Ｆ ｉ ｎ ａ ｌ ｌ ｙ ｔ ｈ ｅ ｔ ｒ ｅ ｎ ｄ ｏ ｆ ｔ ｈ ｉ ｓ ｗｏ ｒ ｋ ｉ ｓ ｇ ｉ ｖ ｅ ｎ ．
《城市街道场景的行人检测研究》范文
《城市街道场景的行人检测研究》篇一一、引言随着城市化进程的加快，道路交通系统变得越来越复杂，尤其是城市街道上的行人安全问题越来越受到关注。
为了提高行人交通安全和降低交通事故率，行人检测技术应运而生。
本文将重点探讨城市街道场景下行人检测的相关研究。
二、背景及意义城市街道是行人交通的重要组成部分，由于人流密集、环境复杂，因此对于行人的检测与识别具有重要价值。
通过行人检测技术，可以有效提高道路交通安全，降低交通事故率，保护行人的生命安全。
此外，行人检测技术还广泛应用于智能交通系统、智能安防、自动驾驶等领域，具有广泛的应用前景和重要的研究意义。
三、相关研究综述近年来，行人检测技术得到了广泛关注和研究。
早期的研究主要基于传统的计算机视觉方法，如特征提取、模板匹配等。
随着深度学习技术的发展，基于深度学习的行人检测方法逐渐成为研究热点。
目前，许多学者在公开数据集上进行了大量实验，取得了较好的效果。
然而，城市街道场景下的行人检测仍面临诸多挑战，如环境复杂、行人姿态多变、光照条件变化等。
四、研究方法本研究采用基于深度学习的行人检测方法。
首先，收集城市街道场景下的行人图像数据集，并进行标注和预处理。
其次，构建深度学习模型，如卷积神经网络（CNN）等，进行训练和优化。
最后，在测试集上进行测试和评估，得出实验结果。
五、实验过程及结果分析（一）实验过程1. 数据集准备：收集城市街道场景下的行人图像数据集，并进行标注和预处理。
2. 模型构建：构建基于深度学习的行人检测模型，如卷积神经网络等。
3. 模型训练与优化：使用训练集对模型进行训练和优化，调整模型参数。
4. 测试与评估：在测试集上进行测试和评估，得出实验结果。
（二）结果分析通过实验，我们发现在城市街道场景下，基于深度学习的行人检测方法具有较高的准确性和稳定性。
其中，我们的模型在处理行人多姿态、环境复杂等因素时表现出了较强的鲁棒性。
此外，我们还发现，通过优化模型参数和改进训练策略，可以进一步提高模型的性能。
行人重识别技术综述
行人重识别技术综述随着城市的发展和人口的增加，道路交通已成为我们日常生活中不可避免的一部分。
在这个过程中，行人一直是道路安全的重要问题。
尤其在城市中，交通压力增加、路口数量增加、行人数量增加的情况下，交通事故的风险也在不断增加。
因此，重视行人安全问题成为城市管理的重点。
解决这个问题，行人识别技术也就成为了一个热门的研究领域。
本文将从行人重识别技术方面进行综述，讲述它的定义、发展历程和未来发展趋势。
一、行人重识别技术是什么？行人重识别技术（Pedestrian Re-identification）是一种计算机视觉技术，它是通过提取行人独特特征在不同视频画面中准确识别同一行人的过程。
例如，在一个跨越多个区域的监控系统中，大量的视频数据需要进行识别。
传统上，行人识别通常是在单个画面进行。
但是，对于跨越多个位置的行人，这种传统方法就很难应用。
因此，行人重识别技术就应运而生了。
与传统行人识别技术相比，行人重识别技术有两个主要的优点：首先，行人重识别技术可以跨越多个位置，为多个监控区域提供行人跟踪和行人识别。
其次，行人重识别技术可以实现多目标跟踪，即在多个移动目标中识别同一行人。
因此，行人重识别技术对于智能交通系统来说是非常重要的一部分。
二、行人重识别技术的发展历程行人识别技术是计算机视觉领域中的一部分，它已经成为研究的热门领域。
然而，行人重识别技术相对而言是一个相对较新的领域。
行人重识别技术的发展可以从以下几个方面进行探讨。
1、行人重识别技术的起源行人重识别技术的起源可以追溯到2012年的单通道视频多目标跟踪竞赛（PETS 2012）。
通过这项比赛，研究人员开始探索准确识别跨越多个场景的行人的方法。
2、传统的行人重识别技术传统行人重识别技术通常是基于两阶段的方法，分别是行人检测和行人重识别。
在第一阶段，我们需要学习如何检测行人。
在第二阶段，需要学习如何在不同的位置和角度中识别行人。
传统方法最大的问题是识别准确率不高，特别是在追踪滞留、多角度变化、遮挡和光线变化的情况下表现较差。
基于机器视觉的车辆行人检测系统技术综述
收 稿 日期 ： ２ ０ １ ７ － ０ １ － ０ ６
基金 项 目： ２ ０ １ ６年度广 西高校 中青年教师基础 能力提 升项 目 （ 项 目编号： Ｋ Ｙ２ ０ １ ６ Ｌ Ｘ５ ２ ６ ） 。 作者简介 ： 黄 志杰（ １ ９ ７ ９ ＿ ＿ ＿ ） ， 男， 壮族， 广西南宁人 ， 硕 士， 讲师， 主要 研 究方 向： 车辆工程； 杨广柱（ １ ９ ８ ｏ ＿ ＿ ） ， 男， 汉族， 广西容县人 ， 本科， 讲师， 主要
研 究方 向： 车辆 工程 。
应 用 研 究
一
，
对于这种 关键 技术 的分析 可以从 运动 、 立体视觉 、 图像特 征、 规 改进是指对梯度方 向直方图特征 的改善 ， 梯度方向直方 图具有纬度
则 四个角度进行 ， 表１ 为基 于这 四种 因素分析 方法 的优点和缺点 。 ２ ． １ ． １基 于 逗动 的车 辆行人 检 测 系统
表 １区域分 割关键技术的优缺点 原理 优 点 缺点
基于运动的
分析方法
采用光流分析方法或者帧间
运动估计方法
对分辨率较 低图像 的鲁棒性较高
不利于 自身运动 的估算
基 于立体视觉 利用立体摄像机获取 ３ Ｄ场景信息 对环境变化 的鲁棒 陛较高 ，能够 无法对 图像 区域 中盲点 的位置进行 的分析方法 基于 图像特征 对红外图像 中的热点区域
的分析方法 进 行分 析
为其他模块提供更加有用 的信息
准确 的分析 ，计算速率相对 较慢
不需要依赖于其他 的设备 ，能够 在复杂环境 中无法对鲁棒性作 出
直接对 图像进行分析 更加完善 的定义
基于规则 的 分析方法
针对特 定场 景制定规则来 缩小搜索范 围
行人检测技术研究综述
行人检测技术研究综述行人检测技术是计算机视觉领域中的一个重要研究方向，它的主要目标是通过计算机算法来识别图像和视频中的行人目标。
行人检测技术在很多领域中都有广泛的应用，如智能交通系统、安防监控、自动驾驶等。
本文将对行人检测技术的研究进行综述。
首先，行人检测技术的发展历程可以分为两个阶段：传统的机器学习方法和深度学习方法。
在传统的机器学习方法中，通常使用Haar特征和分类器（如SVM、Adaboost等）来进行行人检测。
这些方法在准确率方面有一定优势，但需要手工提取特征，且对光照和尺度变化敏感。
随着深度学习的兴起，基于深度神经网络的行人检测方法逐渐成为主流。
其中，卷积神经网络（CNN）被广泛应用于行人检测任务中。
CNN通过在图像中滑动卷积核，学习到不同层次的特征表示，从而提高了行人检测的准确率和鲁棒性。
目前，一些最先进的行人检测算法，如Faster R-CNN、YOLO和SSD，都采用了CNN来提取特征并生成候选区域。
其次，行人检测技术的研究面临一些挑战和问题。
首先是遮挡问题，即当行人被其他物体或人遮挡时，很难准确地进行检测。
为了解决这个问题，研究者们提出了一些创新的方法，如多尺度检测、上下文信息利用和部件检测等。
其次是光照变化和尺度变化问题。
由于光照和尺度的变化较大，传统的行人检测算法往往无法处理这些情况。
为了解决这个问题，一些研究者提出了基于深度学习的多尺度网络，可以在不同的尺度和光照下进行行人检测。
此外，行人检测技术还面临着实时性的要求。
在实际应用中，行人检测需要在实时性的条件下完成。
对于视频监控系统或自动驾驶汽车等需要实时响应的应用场景，检测速度是一个关键因素。
为了提高检测速度，研究者们提出了一些加速方法，如区域建议网络（RPN）和快速RCNN等。
最后，未来的研究方向可以从以下几个方面展开。
首先，可以进一步提高行人检测的准确率和鲁棒性，尽量减少误检和漏检的情况。
其次，可以将行人检测与其他任务相结合，如行人重识别、行人姿态估计等。
行人检测综述.
最近一直在看行人检测的论文，对目前的行人检测做大概的介绍。
行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。
从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，个人觉得主要还是在性能和速度方面还不能达到一个权衡。
1.行人检测的现状（大概可以分为两类）（1）.基于背景建模：利用背景建模方法，提取出前景运动的目标，在目标区域内进行特征提取，然后利用分类器进行分类，判断是否包含行人；背景建模目前主要存在的问题：(背景建模的方法总结可以参考我的前一篇博文介绍）（前景目标检测总结）∙必须适应环境的变化（比如光照的变化造成图像色度的变化）；∙相机抖动引起画面的抖动(比如手持相机拍照时候的移动)；∙图像中密集出现的物体（比如树叶或树干等密集出现的物体，要正确的检测出来）；∙必须能够正确的检测出背景物体的改变（比如新停下的车必须及时的归为背景物体，而有静止开始移动的物体也需要及时的检测出来）。
∙物体检测中往往会出现Ghost区域，Ghost区域也就是指当一个原本静止的物体开始运动，背静差检测算法可能会将原来该物体所覆盖的区域错误的检测为运动的，这块区域就成为Ghost，当然原来运动的物体变为静止的也会引入Ghost区域，Ghost区域在检测中必须被尽快的消除。
（2）.基于统计学习的方法：这也是目前行人检测最常用的方法，根据大量的样本构建行人检测分类器。
提取的特征主要有目标的灰度、边缘、纹理、颜色、梯度直方图等信息。
分类器主要包括神经网络、SVM、adaboost以及现在被计算机视觉视为宠儿的深度学习。
统计学习目前存在的难点：（a）行人的姿态、服饰各不相同、复杂的背景、不同的行人尺度以及不同的关照环境。
（b）提取的特征在特征空间中的分布不够紧凑；（c）分类器的性能受训练样本的影响较大；（d）离线训练时的负样本无法涵盖所有真实应用场景的情况；目前的行人检测基本上都是基于法国研究人员Dalal在2005的CVPR发表的HOG+SVM的行人检测算法(Histograms of Oriented Gradients for Human Detection, Navneet Dalel,Bill Triggs, CVPR2005)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
行人检测专利技术综述
摘要近年来，伴随着计算机视觉、模式识别和人工智能等相关技术的发展，以及智能汽车、智能监控和安全领域的迫切需求，行人检测技术受到了越来越多的关注，已成为当前研究人员关注的一个重要的研究方向。
本文从行人检测的全球专利申请量、全球主要申请人分布、在中国提交申请量、中国主要申请人分布等角度进行了分析和研究，梳理了行人检测技术的研究现状及发展趋势。
关键词行人检测；行人检测应用
1 全球专利申请分析
1.1 全球专利申请量分析
自2000年起，行人检测技术在全球的申请趋势按照申请量可分为三个阶段：技术启蒙期、稳健增长期、快速增長与技术产品化期，下面将具体给出三个阶段的数据分析。
技术启蒙期（2000-2004年）：2000年至2004年行人检测技术刚刚启蒙，申请量较少，这期间年均增长大约维持在20件左右。
由于此期间计算机视觉技术发展也刚刚起步，行人检测技术还处于理论研究阶段，其涉猎的应用领域还很少。
这期间主要的申请人还局限于汽车领域的领头企业，例如尼桑、瑞典奥拓立夫、本田等公司。
此阶段行人检测技术，还较为落后其检测还主要是基于对物体的检测结合物体行进速度对行人进行检测，检测准确率低。
稳健增长期（2005-2012年）：2005年至2012年，信息技术迅猛发展，计算机视觉也得到了飞速发展。
此阶段由于与行人检测相关的技术智能汽车、智能监控和安全领域也得到了相关企业重视。
行人检测技术申请量增长率有抬头趋势，在此期间年申请量50-80件左右，其主要涉猎的领域也较一阶段也涉及更多的应用领域，例如，一些新兴的企业单位也申请了相关专利申请。
且此阶段，行人检测技术采用的技术也有所改进，行人检测的准确率有了一定的提升[1]。
快速增长与技术产品化（2013-2016年）：在此期间，计算机视觉、图形图像等相关技术显著提升。
2013-2016年，全球专利年申请量迅猛增至年申请量200件，尤其是在近三年其增占率更是实现了翻倍增长。
其主要原因为：视频监控、自动驾驶技术、互动娱乐与人机交互、家庭监控等新兴领域的发展，促进了行人检测技术的发展，技术产品化成为可能。
行人检测技术也逐渐走向成熟，其主要相关技术行人识别、背景去噪、算法效率等方面均得到了显著提高。
1.2 全球专利申请国家分布分析
本文通过对DWPI数据库的国别字段进行申请量统计，并通过Microsoft Excel进行了申请百分比统计。
截止2016全球行人检测技术排名前三位的申请国
家为：日本、中国、韩国。
日本及韩国作为汽车行业的发达国家，其行人检测申请量占据全球行人检测前列；而中国自2012年后相关科研院所及高校加大了对行人检测学术研究，也在全球申请中占据了主要地位。
其他排名前10的国家也多为汽车行业领先及信息互联网发达的相关国家。
1.3 全球主要申请人分析
2000年至2016年期间，行人检测技术的全球主要申请人。
其主要申请人为全球汽车产品的领军企业，日本、韩国的相关企业名列前茅。
结合前文，虽然近几年来中国行人检测专利申请量大幅增长然而，名列前20的申请人却不存在中国申请人，究其原因是国内主要申请人为科研院所及高校其申请总量虽多，但单个申请人的申请量却相对很少。
2 在华专利申请分析
2.1 在华申请量及授权量分析
为分析中国专利申请的申请量及授权量趋势走向，本文对中文数据库CPRSABS分别通过申请日及公告号字段对2000-2016年的专利申请量分别进行了统计分析。
2000-2004年行人检测技术的申请量均为零，而此阶段全球专利申请中已经启蒙，可见相对于同阶段的全球专利申请量中国相关技术明显落后。
2005年至今专利申请开始逐渐增长，尤其是在2011-2016年期间其增长率更是大幅提升。
2015-2016年起虽然从数据表面其增长量趋于平缓，然而，由于智能交通、智能家居及自动驾驶产业在中国的日益增温，相信其增长趋势仍然会保持迅猛增长势头。
2.2 在华国内主要申请人分布
本文通过第CPRSABS数据库的申请人国别字段对2000年至2016年的专利申请量分布进行了统计。
在华行行人检测专利国内申请人排名前10的主要高校及科研院所。
可见，行人检测技术在国内尚属科研阶段，技术的产品化不高，其商业价值还有待进一步挖掘。
2.3 在华国外主要申请人分布
本文通过第CPRSABS数据库的申请人国别字段对2000年至2016年的专利申请量分布进行了统计。
由图7可见，在华行人检测专利国外申请人排名前10的主要企业包含了日本、韩国、美国等相关国家的企业。
其中，排名前三的分别为：丰田、三星和哈曼，其中丰田公司的申请量最大，且同时期，全球申请量中上述公司的申请量也都名列前茅。
3 结束语
基于以上分析可以看出，行人检测技术的专利申请中，中国专利申请起步晚，
但是逐渐占据相当大的比重，该领域日本和韩国的几家大型企业占据垄断地位，中国的申请量逐渐追赶日本和韩国，但是申请质量不高，主要集中在科研院所及各大高校的申请，缺乏专门钻研行人检测技术的重点企业。
参考文献
[1] 方旭.复杂场景下的行人检测方法研究[D].苏州：苏州大学，2014.。