« Вам придется направить автомобиль прямо на манекен и постараться не снимать ногу с педали газа. Наши предыдущие испытания показали, что многие неподготовленные люди инстинктивно начинают тормозить, будучи не в силах ехать прямо на человеческую фигуру. Если у вас не получится с первого раза, мы дадим вам вторую попытку», — наставлял нас инженер Volvo. Группа журналистов из России разразилась гомерическим хохотом.

Улыбайтесь, вас снимают По статистике большая часть наездов на пешеходов случается в сумерки или темное время суток. Новая система обнаружения пешеходов на автомобилях Volvo работает круглосуточно. Это стало возможным благодаря применению высокоскоростной и высокочувствительной камеры, которая снимает обстановку перед автомобилем в двух экспозициях по очереди: для ночи и для дня. Очевидно, что технология требует вдвое больших вычислительных мощностей и усовершенствованных алгоритмов для обнаружения пешеходов в сценах с низкой контрастностью.

Конечно, это не повод для гордости, но все же ваш покорный слуга посвятил достаточно времени жестоким компьютерным играм, чтобы при виде разодетой, как лондонский денди, куклы со зловещей улыбкой притопить газ. «Полегче!» — взмолилась сердобольная дама-наставник, и тут в дело вмешался автомобиль. Попытавшись призвать меня к порядку сиреной и мигающими лампочками, машина сама затормозила так, что мы повисли на ремнях.

Невредимый манекен остался стоять в полуметре от капота, как будто бы ухмыляясь. Система обнаружения пешеходов существовала и раньше, мало того, ею уже оснащаются серийные автомобили Volvo. Особенность данного теста заключалась в том, что дело происходило в полной темноте, в неосвещенном тоннеле неподалеку от Stora Holm — испытательного полигона шведской компании, куда журналистов пригласили для знакомства с системами безопасности будущего.

Столкновение с лосем — одно из самых опасных дорожно-транспортных происшествий. Как правило, такие встречи случаются за городом на участках дорог, где разрешена высокая скорость движения (в России это 90 км/ч, в некоторых европейских странах — 100 км/ч). Появление крупных животных на трассе наиболее опасно в темное время суток, когда видимость сильно ограничена, а время реакции увеличено.

У кошки четыре ноги

Автомобильные новации, продемонстрированные нам в окрестностях Гетеборга, имеют разные временные горизонты: так, система обнаружения животных и автопилот встанут на конвейер в следующем году вместе с новым внедорожником XC90, а коммуникации между автомобилями и полностью автоматическая парковка пока имеют лишь статус концептов.

Как выяснилось, главные герои автомобильной безопасности будущего не столько конструкторы, сколько программисты. Все представленные системы используют давно существующее железо: радары и лидары, видеокамеры, протоколы передачи данных Wi-Fi и GSM. Задача инженеров — научить электронный мозг автомобиля понимать то, что он видит и чувствует, общаться с себе подобными и принимать соответствующие ситуации меры.

Яркий пример — новейшая система распознавания животных. Инженер приглашает меня за руль тестового автомобиля, на панели приборов которого закреплен большой компьютерный монитор. На него выводится изображение с камеры, расположенной под внутрисалонным зеркалом, и информация о том, как интерпретирует картинку компьютер. Конечно, в серийном автомобиле такого экрана не будет.

Разогнавшись до 90 км/ч, я приближаюсь к стоящему у дороги манекену лося. На расстоянии 70 м фигура животного на экране обводится фиолетовой рамкой — это значит, что компьютер опознал в фигуре зверя. Подъезжая к группе коллег, я замечаю, что их фигуры обведены рамками другого цвета. Компьютер безошибочно отличает людей от животных, даже если два Homo sapiens стоят рядом, фигуры их сливаются в одну, а ног у них на двоих четыре.

Кроме людей и крупных животных электронный мозг Volvo умеет распознавать велосипедистов — для них предусмотрена своя рамка. Лазерный дальномер безошибочно определяет расстояние до опознанного объекта, чтобы машина могла оценить вероятность столкновения.

Но зачем автомобилю знать, что именно преградило ему дорогу — велосипедист, пешеход или животное? Ведь столкновение с любым препятствием нежелательно. Ответ кроется в коренных отличиях человека от машины. Обладая абстрактным мышлением, человек способен оценивать незнакомые визуальные образы. Скажем, увидев летающую тарелку, он мгновенно представит, что случится при столкновении с ней, и примет соответствующие меры.

По статистике большая часть наездов на пешеходов случается в сумерки или темное время суток. Новая система обнаружения пешеходов на автомобилях Volvo работает круглосуточно. Это стало возможным благодаря применению высокоскоростной и высокочувствительной камеры, которая снимает обстановку перед автомобилем в двух экспозициях по очереди: для ночи и для дня. Очевидно, что технология требует вдвое больших вычислительных мощностей и усовершенствованных алгоритмов для обнаружения пешеходов в сценах с низкой контрастностью.

Компьютер отреагирует только на те образы, которые ему знакомы. Он не способен обнаружить препятствие в общем смысле. Камера может «увидеть» заплатку на асфальте или облако за горизонтом — это контрастные элементы на дороге, но вовсе не повод бить тревогу. Лидар может среагировать на автомобиль, припаркованный за поворотом, или на возвышение дорожного полотна. Эти объекты тоже не опасны.

Получается, что компьютер необходимо обучать каждому вероятному препятствию в отдельности. Причем он должен различать пешехода не только в анфас, но и в профиль, и в движении. А велосипедист для него так и останется пустым местом, если не объяснить, что два круга и палочка между ними — это тоже опасность.

Еще один повод различать препятствия заключается в том, что реагировать на них нужно по‑разному. Пешеходов необходимо спасать: приподнимать заднюю кромку капота и раскрывать специальную подушку безопасности, прикрывающую стойки лобового стекла.

При встрече с крупным животным закрывать стекло подушкой не стоит — водителю нужно оставить максимум шансов совершить маневр уклонения, так как 500-килограммовая лосиная туша представляет смертельную опасность для людей в машине. При этом система автоматического торможения максимально снизит скорость движения: по статистике, большая часть столкновений с крупными животными происходит на скорости свыше 110 км/ч, тогда как уже на 70 км/ч вероятность погибнуть и получить серьезную травму для водителя и пассажиров сводится к минимуму.

А вот мелких четвероногих, таких как кошки и собаки, специалисты по дорожному движению рекомендуют давить: ведь экстренное торможение и маневры могут привести к более тяжким последствиям, чем гибель несчастного животного.

Зеленая волна

Инженер направляет меня на следующий тестовый участок и просит остановиться перед светофором. В центре спидометра появляется обратный отсчет до включения зеленого — светофор уже сообщил автомобилю, когда он собирается включить разрешающий сигнал, по Wi-Fi. Ну, этим нас не удивишь, ведь многие светофоры в городах России показывают обратный отсчет до включения зеленого.

Но, когда я трогаюсь с места, на спидометре появляется зеленая зона: это скорость, с которой автомобиль рекомендует двигаться, чтобы следующий светофор для меня тоже оказался зеленым. Разумеется, рекомендации даются в пределах скоростных ограничений, заданных правилами: компьютер не посоветует держать 80 км/ч там, где разрешены 60. А вот 40 — вполне. Попадание в «зеленую волну» поможет реже тормозить и сэкономить топливо.

Ранее для работы системы удержания автомобиля в пределах полосы требовалась качественная дорожная разметка. Новая система безопасности Volvo позволяет компьютеру отслеживать край проезжей части, будь то обочина, канава или ограждение. Технология предотвращает уход автомобиля с проезжей части по невнимательности водителя, мягко задействуя тормоза или рулевое управление для возврата на траекторию.

На самом деле возможности системы связи Car 2 Car намного шире, чем кажется на первый взгляд. Автомобиль может не только принимать сигналы от других авто и дорожной инфраструктуры, но и отправлять сигналы, оповещая окружающих о потенциальных опасностях.

Если у впередиидущего авто сработала система стабилизации, вы получите предупреждение о приближении к скользкому участку дороги, а соответствующие системы безопасности будут приведены в состояние готовности. Если машина впереди сломалась и была вынуждена остановиться перед поворотом, вы получите сигнал. Если водитель перед вами применил экстренное торможение, ваш автомобиль затормозит прежде, чем вы успеете среагировать. Наконец, если на перекрестке кто-то проигнорирует красный сигнал светофора, автомобиль предупредит вас и будет готов при необходимости тормозить самостоятельно, чтобы предотвратить ДТП.

Пока мы катались вслед за демонстрационным автомобилем, который поскальзывался на мокрой трассе, экстренно тормозил и ломался за поворотом, на трассе появилась полицейская машина. Сигнал сирены раздался… из аудиосистемы нашего авто. Оставим при себе шутки про «синие ведерки» — это российская специфика. На самом деле в «радиосирене» есть масса плюсов: ее невозможно не услышать из-за громкой музыки, при этом она не мешает окружающим спать по ночам.

Связь между автомобилями в пределах 100 м производится по промышленному протоколу Wi-Fi. Это тот же Wi-Fi, что мы используем дома, только более мощный. Если для оповещения об опасности необходима большая дальность (при меньшем быстродействии), используются сотовые сети. Это целесообразно для предупреждения о пробках (упереться в пробку за поворотом бывает весьма опасно), для коммуникации с далекими светофорами, для оповещения о скоростных ограничениях.

Система Car 2 Car Communication — это технология с далеким временным горизонтом (десять лет и более), несмотря на то что базируется она на популярных протоколах Wi-Fi и 3G. Ведь для ее полноценного функционирования необходимо, чтобы большинство автомобилей на дороге обладали коммуникативными навыками. Необходимы совместимые светофоры и дорожная инфраструктура, мощные базы данных дорожных событий, подключенные к сотовым сетям. Специалисты Volvo подчеркивают, что их цель — создать не собственную проприетарную технологию, а единый стандарт для всех автопроизводителей, чтобы общими усилиями повысить безопасность на дорогах.

Неуязвимый автомобиль

К сожалению, технологии, которые обещают появиться через десять и более лет, зачастую так и остаются всего лишь научной фантастикой. Однако бывают и обратные примеры. Перед новым годом мы с восхищением писали об автопоездах SARTRE Project, в составе которых автомобиль полностью освобождал водителя от необходимости уделять внимание дороге.

И вот я вновь надолго перевожу взгляд на собеседника, на этот раз за рулем предсерийного автопилота, который появится на Volvo XC90 уже в 2014 году. Технология вновь использует давно знакомое железо: камеру, лидар и радары, работающие в составе системы City Safety. Адаптивный круиз-контроль на моделях Volvo давно позволяет не пользоваться педалями в пробках: автомобиль тормозит, останавливается, возобновляет движение, разгоняется и выдерживает дистанцию до машин, идущих впереди, полностью автоматически.

Теперь Volvo умеет и рулить самостоятельно. Ориентир на низких скоростях — задняя оптика впередиидущего авто, на высоких — линии разметки. Закон обязывает водителя не отрывать хотя бы одну руку от руля и нести ответственность за поведение автомобиля в случае ДТП. Поэтому машина оснащена сенсором, который отслеживает касание руля и отключает автопилот, если человек бросил баранку.

Ехать, не уделяя внимания управлению и даже не глядя на дорогу, — сильное и для многих желанное ощущение. Особенно в пробках, когда сохранять концентрацию сложнее. И поверьте, касаться руля при этом совсем не обременительно.

В каком диапазоне скоростей будет работать автопилот — пока секрет. Конструкторы утверждают, что сами еще не приняли решения. И зависеть оно будет не только от технологических ограничений, но и от конкурентной среды: нужно отметить, что сейчас все ведущие производители борются за то, кто раньше выведет на рынок более совершенный автопилот.

Но далеко не все производители могут позволить себе столь громкие заявления, как Volvo. Топ-менеджеры шведской компании наперебой повторяют: «В 2020 году ни один человек не будет убит или серьезно травмирован за рулем нового Volvo». Признаться, верится с трудом. С другой стороны, хочется довериться компании, которая в далеком 1959 году представила первый серийный автомобиль с трехточечными ремнями безопасности.

Системы безопасности автомобиля. Четвертая часть покупателей автомобилей ставит на первое место его безопасность. Поэтому современные автомобили оснащаются большим количеством электронных устройств. Конечно, каждый день инженеры предлагают что-то новое.
Дополнительную путаницу вносят разные обозначения одних и тех же систем, принятые разными производителями. Попытаемся перечислить, и кратко охарактеризовать наиболее часто встречающиеся системы безопасности автомобиля.

• ABS (АБС) – антиблокировочная система тормозов. Не дает при торможении колесам скользить, что часто позволяет сократить тормозной путь, сохранить над ним контроль.
• EBA (BA, BAS, AFU) – система аварийного торможения. Вступает в работу при необходимости быстро остановить транспортное средство в опасной ситуации. Водитель только начинает реагировать на опасную ситуацию, в тормозной системе давление быстро поднимается и тормозной путь уменьшается.
• DBS (HBB, HBA, SBC) – динамического контроля за торможением. Назначение то же, что у предыдущей, но иной технический способ реализации.
• EBS (EHB) – электронная система торможения. Развитие ABS, оснащается электронной тормозной педалью, посылающей сигнал блоку управления, а тот управляет исполнительными механизмами.
• EBD (EBV) – электронное распределение тормозных сил. Используется как составная часть ABS, помогаем более эффективно распределять тормозное усилие между осями транспортного средства.
• Hill Holder (USS, HAS, HHC) – помощь при подъеме. Эта система не дает скатываться при начале движения на подъёме. Даже если отпущена педаль тормоза, скатывается не скатывается, тормоза остаются активированными. Но если нажать на педаль акселератора, помощь при подъеме отключается, и машина начинает движение.
• ЕМВ – электромеханическая тормозная система безопасности автомобиля. Колесные тормозные механизмы приводятся в действие не пневматикой, или гидравликой, а электромоторами.
• ESP (VDS, DTSC, VSA, ESC, VSC, VDIM, DSC) – курсовая устойчивость. Включается при возможности потери транспортного средства управляемости. Притормаживает отдельные колеса и управляет оборотами двигателя, чтобы вывести транспортное средство из заноса.
• HDS (DDS, DAC) – помощь при спуске. Ограничивает скорость на крутых спусках. Систему безопасности автомобиля включает и выключает водитель. Скорость поддерживается в зависимости от начальной скорости и включенной передачи.
• АСС – адаптивный круиз – контроль. Поддерживает желаемую скорость и безопасное расстояние до идущей впереди машины. При уменьшении скорости автомобиля-лидера адаптивный круиз – контроль притормаживает транспортное средство, вплоть до полной остановки, сохраняя безопасную дистанцию. Если расстояние увеличивается, адаптивный круиз – контроль увеличивает скорость до тех пор, пока не восстановится минимально возможная безопасная дистанция
• TRC (ASC, ASR, A-TRAC, DTC, DSA, ETC, STC,TCS) – антипробуксовочная система. Не позволяет колесам пробуксовывать при ускорении.
• PDS (APD, ES) – система обнаружения пешеходов. Обнаруживает, контролирует траекторию движения пешехода. В случае угрозы столкновения, подает сигнал водителю и приступает к торможению до полной остановки.
• PTS (PDC, APS, Park Assistant, OPS) – парковочная система. Выдает водителю информацию (звуковую, видео), нужную при парковке. Более совершенные системы сами паркуют в автоматическом, или полуавтоматическом режиме.

Перечисленные системы безопасности автомобиля доказали на практике свою эффективность и действенность.

Система обнаружения пешеходов предназначена для предотвращения столкновения с пешеходами. Система распознает людей возле автомобиля, автоматически замедляет автомобиль, снижает силу удара и даже избегает столкновения. Применение системы позволяет на 20% сократить смертность пешеходов при дорожно-транспортном происшествии и на 30% снизить риск тяжелых травм.

Впервые система обнаружения пешеходов была использована на автомобилях Volvo в 2010 году. В настоящее время система имеет ряд модификаций:

• Pedestrian Detection System от Volvo;
• Advanced Pedestrian Detection System от TRW;
• EyeSight от Subaru.

В системе обнаружения пешеходов реализованы следующие взаимосвязанные функции:

1. обнаружение пешеходов;
2. предупреждение об опасности столкновения;
3. автоматическое торможение.

Для обнаружения пешеходов используется видеокамера и радар (две видеокамеры у Subaru), которые эффективно работают на расстоянии до 40 м. Если пешеход обнаружен видеокамерой и результат подтвержден радаром, система отслеживает движение пешехода, прогнозирует его дальнейшее перемещение и оценивает вероятность столкновения с автомобилем. Результаты обнаружения выводятся на экран мультимедийной системы . Система также реагирует на транспортные средства, которые стоят на месте или движутся в попутном направлении.

Если системы установила, что при текущем характере движения автомобиля столкновение с пешеходом неизбежно, посылается звуковое предупреждение водителю. Далее система оценивает реакцию водителя на предупреждение – изменение характера движения автомобиля (торможение, изменение направления движения). Если реакция отсутствует, система обнаружения пешеходов автоматически доводит автомобиль до остановки. В этом качестве система обнаружения пешеходов является производной системы автоматического экстренного торможения .

Система обнаружения пешеходов позволяет полностью избежать столкновения на скорости до 35 км/ч. При большей скорости система не может полностью предотвратить дорожно-транспортное происшествие, но тяжесть последствий для пешехода может быть уменьшена за счет замедления автомобиля перед столкновением. Статистические данные свидетельствуют, что вероятность смертельного исхода от столкновения пешехода с автомобилем на скорости 65 км/ч составляет 85%, 50 км/ч – 45%, 30 км/ч – 5%.

Риск травмирования пешеходов значительно снижается, если система обнаружения пешеходов используется совместно с системой защиты пешеходов или подушкой безопасности для пешеходов . Обнаружение пешеходов с помощью инфракрасных камер реализовано в системе ночного видения , но активное предупреждение столкновения в ней не предусмотрено.

Система обнаружения пешеходов показала свою эффективность в сложных условиях городского движения. Она позволяет одновременно отслеживать несколько пешеходов, движущихся различными курсами, различает движение пешеходов с зонтами во время дождя и др. Система неработоспособна ночью и в плохую погоду.

Обнаружение пешеходов используется главным образом в исследованиях, посвященных беспилотным автомобилям. Общая цель обнаружения пешеходов - предотвращение столкновения автомобиля с человеком. На Хабре недавно был топик про « ». Создание подобных систем очень популярное направление исследований (Darpa challenge). Я занимаюсь распознаванием пешеходов для подобного проекта интеллектуальных автомобилей. Очевидно, что проблема обнаружения пешеходов - программная, а предотвращение столкновения - аппаратная. В данной статье я упомяну лишь о программной части, кратко расскажу об одном способе обнаружения людей на изображении и алгоритме классификации.

Введение

В своей работе я использую два сенсора: инфракрасную камеру и лидар . Температура тела человека обычно выше окружающей среды. Поэтому на изображении с инфракрасной камеры человека можно легко локализовать. Как правило, легко обнаружить незакрытые одеждой части тела: голову и кисти рук. Но с помощью одной только камеры сложно определить размеры объекта, сложно сказать насколько далеко человек находится от камеры. Здесь на помощь приходит лидар. Он измеряет расстояние до объектов.

Зачем вообще нам лидар? Посмотрим для начала на наши картинки. Вся идея предварительной обработки изображения сводится к тому, чтобы локализовать области интереса. Нам не важно, что из себя представляет все изображение. Мы хотим выделить несколько областей и работать дальше с ними. В идеале область интереса должна охватывать изображения человека целиком. Зная что голова человека теплее окружающей среды, мы легко находим её на изображении. Дальше нам надо оценить размер человека. Тут–то и приходят на помощь данные от лидара. Зная расстояние до объекта, фокусное расстояние камеры, размер объекта в координатах реального мира, легко подсчитать размер объекта в пикселях. Мы определили размер объекта в координатах реального мира равный прямоугольнику 2 на 1 метр в уверенности, что среднестатистический человек вписывается в такой прямоугольник. Но в системе координат изображения области интереса все еще разного размера. Еще одно преобразование масштаба и наконец все области интереса не только охватывают одинаковую область реального мира, но и имеют одинаковые размеры в пикселях.

Рассмотрим каким образом можно совмещать данные двух сенсоров: находим горячую область на изображении (полагаем, что это голова человека), вычисляем угол, под которым находится центр этой область, приводим этот угол к системе координат лидара и по этому углу получаем расстояние до объекта. Для перевода угла из одной системы координат в другую, сенсоры должны быть откалиброваны. Вместо настоящей калибровки сенсоров используется их специфическое расположение, при котором центры сенсоров совпадают в горизонтальной плоскости:

Конечно, на тестовой машине все немного иначе. Во–первых, приведенный рисунок показывает расположение статических сенсоров: их положение не меняется со временем. Во–вторых, на нашей тестовой машине используется другой тип лидара - трехмерный. Он установлен посередине крыши автомобиля. Камера устанавливается в передней части крыши. Таким образом, центры сенсоров уже нельзя считать находящимися в одной точке. Вариантов решения данной проблемы я вижу два: параллельно перенести данные из системы координат одного сенсора в систему координат другого сенсора (предварительно измерив расстояние между ними), либо же (автоматически)откалибровать сенсоры.

Извлечение областей интереса

Извлечение признаков, которые используются для распознавание образов, и их классификация занимают достаточно много времени. Обработка одного кадра с 6–7 объектами в Матлабе может занять целую минуту. Для систем, ориентированных на работу в реальном времени, такая длительная обработка неприемлема. На скорость сильно влияет количество обнаруженных теплых объектов, а человек не единственный теплый объект. Части машин, окна, светофоры тоже могут выделяться на общем температурном фоне. В данной работе упор сделан на скорость обработки информации. Нам нужно быстро отсеять максимум объектов, которые точно не являются людьми. При этом желательно не пропустить ни одного реального человека. Все оставшиеся объекты можно затем классифицировать с помощью полноценного статического классификатора.

Горячие области на изображении обнаруживаются с помощью метода под названием «Максимально стабильные области экстремума» (МСЕР от англ. Maximally Stable Extremal Regions ). Исходное изображение обрабатывается пороговой функцией с изменяющимся значением порога. В результате получается новая последовательность изображений, размер которой соответствует количеству различных значений порога (например, для монохромного изображения со значениями пикселей от 0 до 255 получим 256 изображений). Первое изображение в последовательности будет абсолютно белым. Дальше появятся черные области и самое последнее изображение в последовательности будет полностью черным. На рисунке ниже представлена такая последовательность в виде анимации:

Белые области на изображении являются областями экстремума. Мы можем проанализировать как долго та или иная область экстремума присутствует в последовательности изображений. Для этого можно использовать еще одну пороговую функцию. Например, со значением 10. Если область экстремума присутствует больше чем на 10 изображениях последовательности, то такая область называется максимально стабильной областью экстремума.

Найдя максимально стабильные области интереса, мы можем их еще немного отфильтровать: проверить соотношение сторон, отбросить далекие от камеры объекты, обработать перекрывающиеся между собой области.

Дисперсия

В качестве метрики для классификации объектов используется «дисперсия». Вычисление данной метрики занимает мало времени и, к тому же, её значение инвариантно к условиям освещения. Считается она по формуле . В оригинальной работе дисперсия вычисляется по контуру объекта. Для получения контура из областей интереса применяются последовательно фильтр Гаусса и оператор Собеля. Решение о принадлежности образа к тому или иному классу выносится с помощью пороговой функции. Изображения людей обладают меньшим значением дисперсии, чем изображения частей машин или зданий.

Заключение

Результаты работы алгоритма в картинках:

Тестовой компьютер оснащен процессором Интел коре 2 дуо с частотой 3 ГГц, кэшем размером 6 МБ, оперативной памятью размером 2 ГБ. Тесты проводились в системе Матлаб. Среднее время обработки одного кадра 64 мс. Это значит, что за 1 секунду система сможет обрабатывать примерно 16 кадров. Это, конечно, лучше чем 1 кадр в минуту.

Закономерно возникают следующие вопросы: насколько надежна дисперсия для классификации, как увеличится время работы над одним кадром при использовании полноценного классификатора. Ответов на эти вопросы у меня пока нет. Сейчас как раз работаю над этим. Будут результаты - сообщу!

Литература

J. Matas, O. Chum, M. Urban, and T. Pajdla, “Robust wide baseline stereo from maximally stable extremal regions,” in British Machine Vision Conference, 2002, pp. 384–396.
A. L. Hironobu, A. J. Lipton, H. Fujiyoshi, and R. S. Patil, “Moving Target Classification and Tracking From Real-Time Video,” in Applications of Computer Vision, 1998. WACV ’98. Proceedings., Fourth IEEE Workshop on, October 1998, pp. 8–14.

Система защиты пешеходов предназначена для уменьшения последствий столкновения пешехода с автомобилем при дорожно-транспортном происшествии. Система производится компаниями TRW Hodings Automotive (Pedestrian Protection System , PPS ), Bosch (Electronic Pedestrian Protection , EPP ), Siemens и с 2011 года устанавливается на серийные легковые автомобили европейских производителей. Перечисленные системы имеют аналогичую конструкцию.

Как всякая электронная система, система защиты пешеходов включает следующие конструктивные элементы: входные датчики, блок управления и исполнительные устройства.

В качестве входных датчиков используются датчики ускорения (Remote Acceleration Sensor, RAS). 2-3 таких датчика устанавливаются в переднем бампере. Дополнительно может устанавливаться контактный датчик.

Система может работать как с собственным электронным блоком управления, так и с блоком управления системы пассивной безопасности. Предпочтительным является использование блока управления системы пассивной безопасности, реализуемое с помощью интегрированного программного обеспечения. Этим достигается повышение эффективности всей системы пассивной безопасности.

Исполнительными устройствами системы защиты пешеходов выступают подъемники капота, устанавливаемые с двух сторон капота параллельно движению. Подъемники имеют пиротехнический или пружинно-пиротехнический привод.

Принцип работы системы защиты пешеходов основан на открытии капота при столкновении автомобиля с пешеходом, чем достигается увеличение пространства между капотом и частями двигателя и соответственно уменьшение травмирования человека. По сути, поднятый капот выступает в качестве подушки безопасности.

При столкновении автомобиля с пешеходом датчики ускорения и контактный датчик передают сигналы в электронный блок управления. Блок управления в соответствии с заложенной программой при необходимости инициирует срабатывание пиропатронов подъемников капота.

Помимо представленной системы на автомобилях для защиты пешеходов используются следующие конструктивные решения, снижающие травматизм при столкновении: "мягкий" капот, бескаркасные щетки, мягкий бампер, покатый наклон капота и ветрового стекла, увеличенное расстояние между двигателем и капотом.

Дальнейшим развитием систем защиты пешеходов является подушка безопасности для пешеходов .