據麥姆斯咨詢報道，近期，北京理工大學邊麗蘅研究員（通訊作者）、彭林濤（第一作者）等人提出一種無圖像單像素目標檢測（SPOD）方法，無需獲取圖像或進行復雜場景重建，即可檢測多個目標的位置、大小和類別。該方法采用單像素探測器，極大地降低了目標檢測所需的計算能力，能同時執行目標分類、識別和跟蹤，可用于駕駛時的危險識別。相關研究成果以“Image-free single-pixel object detection”為題發表在Optics Letters期刊。

圖1 北京理工大學邊麗蘅研究團隊提出一種無圖像單像素目標檢測（SPOD）方法，可用于多目標位置、大小和類別檢測

該研究團隊負責人邊麗蘅表示，利用無圖像單像素目標檢測（SPOD）技術可以直接從少量二維（2D）耦合測量值中實現高效、穩健的多目標檢測，這種無圖像傳感技術有望解決現有視覺感知系統通信負載大、計算開銷大和識別率低等問題。

這種高效的無圖像SPOD技術由三個步驟組成，包括小尺寸圖像優化調制、2D耦合測量采集和端到端傳感。SPOD技術的優勢在于以下三個方面。首先，建立端到端感知網絡，通過2D耦合測量直接感知多個目標，與傳統的基于圖像的方法相比，可以減輕通信、計算和存儲負擔。其次，所提出的小尺寸優化圖像采樣方法能以更少的圖像參數實現更好的無圖像傳感性能，并與傳感網絡一起通過兩階段進行訓練和優化，從而保證了以最少的測量實現最優的感知效率。第三，基于transformer結構設計的SPOD可以增強網絡對場景中目標的關注，并提取有效特征，從而提高目標檢測性能。

圖2 （a）SPOD兩階段訓練策略及主要框架；（b）負責解析高維語義特征和實現無圖像目標檢測的解碼器的詳細結構

利用SOPD方法獲得目標2D測量值時，測量值會被輸入基于transformer的編碼器（一種深度學習模型），并提取場景中的高維語義特征。這些特征被輸入基于多尺度注意力網絡的解碼器中，該解碼器可同時輸出場景中所有目標的類別、位置和大小信息。

自動化高級視覺任務通常需要場景的詳細圖像，以提取識別物體所需的特征。但這通常需要復雜的成像硬件或者復雜的重構算法，會導致計算成本高、運行時間長、數據傳輸負載大。因此，傳統的“先圖像后感知”方法并非目標檢測的最佳選擇。

基于單像素探測器的SPOD方法能夠減少目標檢測所需的計算能力。這是因為單像素探測技術不使用CMOS圖像傳感器或CCD圖像傳感器，而是用一系列結構光模式照亮場景，然后記錄透射光強度，以獲取物體的空間信息，從而計算重建目標或其屬性。

研究人員認為，SPOD采用的小尺寸優化圖像采樣比傳統的圖像采樣方法少一個數量級的圖像參數，能實現較高的無圖像傳感精度。

“與其它單像素探測方法使用的全尺寸圖像相比，SPOD這種小尺寸優化圖像能實現更好的無圖像傳感性能。”彭林濤說道：“SPOD解碼器中的多尺度注意力網絡加強了網絡對場景中目標區域的注意力。這可以更有效地提取場景特征，實現最先進的目標檢測性能。”

“對于自動駕駛來說，SPOD可以與激光雷達（LiDAR）一起使用，以幫助提高場景重建速度和物體檢測精度。”邊麗蘅表示：“我們相信，它具有足夠高的自動駕駛檢測率和準確性，同時還降低了物體檢測所需的傳輸帶寬和計算資源要求。”

為了證明SPOD的性能，邊麗蘅研究團隊構建了一個概念驗證裝置。從Pascal Voc 2012測試數據集中隨機選擇圖像打印在膠片上并用作目標場景。在5%的采樣率下，使用SPOD完成每個場景的空間光調制和無圖像目標檢測的平均時間僅為0.016 s。相較于先進行場景重建（0.05 s）然后進行目標檢測（0.018 s）的方法，效率顯著提升。對于測試數據集中包含的所有目標類別，SPOD的平均檢測準確率為82.2%，刷新率為63幀/秒。

圖3 （a）無圖像SPOD的概念驗證設置；（b）在5%采樣率下，各種自然場景下的SPOD檢測實驗結果

“目前，SPOD還無法檢測到所有可能的目標類別，因為用于訓練模型的現有目標檢測數據集僅包含80個類別。”彭林濤繼續說道：“不過，當面對特定任務時，可以對預先訓練的模型進行微調，以實現對行人、車輛或船只等新目標類別的無圖像多目標檢測。”

接下來，研究人員計劃將無圖像感知技術擴展到其它類型的探測器和計算采集系統，以實現無重建傳感技術。

審核編輯：劉清