CN104700065A - 可提高分类效能的物体影像检测方法与装置 - Google Patents

Abstract

本发明公开一种可提高分类效能的物体影像检测方法与装置，可提高分类效能的物体影像检测方法由一嵌入式系统取得影像信息，检测该影像信息以产生障碍物的圈选范围并作为障碍物的起始轮廓，针对该圈选范围以Poisson向量主动变形轮廓演算法产生障碍物的正确轮廓，并以多重网格演算法使用可变动大小网格以提高运算速度，以及根据障碍物的正确轮廓圈选最大边界以供一分类器辨识障碍物类型；本发明具有提高动态物体的完整圈选及提高辨识准确率的优点，解决现有动态物体检测与影像辨识法的误判机率大、耗时以及不易与现有车辆系统结合的问题。

Description

可提高分类效能的物体影像检测方法与装置

技术领域

本发明涉及一种物体影像检测方法，尤其涉及一种可提高分类效能的物体影像检测方法。

背景技术

现今用于辨识各种影像格式的动态物体检测与辨识法，只能先圈选该影像中的障碍物的某些部分，并将该部分分割后，利用图形比对的方式与多已知图形比对，才能判断该障碍物为何种物体，因此，其比对判断能力的准确度会受到分割的完整性的影响，意即，当圈选区域太小时，各部分易产生不连续区块而不易组成完整的障碍物轮廓，造成误判情形大为增加与搜寻时间过长的问题。

前述动态物体检测与影像辨识法，若是通过计算分割影像中各影像的特征值，并建立一套逻辑机制以判断影像中为何种物体时，其技术不易与现有嵌入式系统(Embedded system)结合，同时亦有处理耗时的问题。

当前述物体检测与影像辨识法用于辨识车辆周遭的障碍物时(如倒车影像或前方碰撞警示)，因其影像处理耗时、误判机率大且不易与现有车辆系统结合，故有不适用于车辆上的问题。再者，已知框选障碍物技术运用在车辆上有毫米波雷达，毫米波雷达具有：测量距离远、运作稳定性高、较不受外在天候影响、可测量车辆间的距离及相对速度等优点。但其缺点是价格昂贵，运用成本过高。

关于车辆框选障碍物的另一种策略是：不固定框框选。此一策略的优点在于不须利用其他辅助器具，但缺点是计算量庞大，处理时间长。

发明内容

如前揭所述，现有动态物体检测与影像辨识法因影像处理耗时、误判机率大且不易与现有车辆系统结合，故有不适用于车辆上的问题；虽毫米波雷达运用在车辆障碍物的辨识具有测量距离远、稳定性高且可测量相对车距与车速等优点，但因价格昂贵而不可行。为此本发明主要目的即提供一可提高分类效能的物体影像检测方法与装置，主要是由一嵌入式系统执行特定演算方法，以提高动态物体的完整圈选而提高辨识准确率，又该嵌入式系统具运算速度快与易于系统整合的优点，藉此解决前述问题。

为达成前述目的所采取的主要技术手段是令前述可提高分类效能的物体影像检测方法，是由一嵌入式系统执行下列步骤：

取得一影像信息；

确认障碍物的位置：是检测该影像信息以产生一个以上的障碍物的圈选范围，该圈选范围是作为为障碍物的起始轮廓；

辨识障碍物轮廓：针对该圈选范围中的障碍物以一Poisson向量主动变形轮廓演算法与多重网格演算法使用可变动大小网格方式产生障碍物的正确轮廓；以及

辨识障碍物类型：根据障碍物的正确轮廓圈选最大边界以供一分类器辨识障碍物类型。

为达成前述目的所采取的主要技术手段是令前述可提高分类效能的物体影像检测装置，其整合为一嵌入式系统并包含有：

一影像输入单元，其用以输出一个以上的影像；

一影像处理单元，其与影像输入单元电连接，该影像处理单元内建有一影像处理程序，该影像处理程序以一Poisson向量主动变形轮廓演算法与一多重网格演算法的可变动大小网格方式辨识前述影像中的障碍物；以及

一输出单元，其与影像处理单元电连接，该输出单元用以在辨识出障碍物时输出障碍物的警示信号。

利用前述元件组成的可提高分类效能的物体影像检测装置，是由嵌入式系统执行影像检测方法，以Poisson向量主动变形轮廓演算法将影像信息转换为流场分布，并利用变分学圈选障碍物的轮廓，该多重网格演算法是通过非固定式的可变动大小网格快速找出数值解以提高运算速度，藉此当该嵌入式系统设置于车辆上时，可针对不同车辆视野，设定其路面检测范围后，无需针对特定道路情境进行条件判断，且无需额外使用其他感测器，即可由影像输入单元或一摄影机对任意场景或任意视野进行影像撷取，再由该嵌入式系统进行动态物体辨识、检测与警示，具有提高动态物体的完整圈选及提高辨识准确率的优点，解决现有动态物体检测与影像辨识法的误判机率大、耗时以及不易与现有车辆系统结合的问题。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1是本发明较佳实施例的电路方框图；

图2是本发明较佳实施例的流程图；

图3是障碍物原图及起始轮廓的示意图；

图4是未采用Poisson向量流主动变形轮廓演算法所产生的障碍物轮廓示意图；

图5是采用Poisson向量流主动变形轮廓演算法所产生的障碍物轮廓示意图(一)；

图6是采用Poisson向量流主动变形轮廓演算法的障碍物轮廓示意图(二)。

其中，附图标记

10嵌入式系统      11影像输入单元

12影像处理单元    121影像处理程序

13输出单元

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

关于本发明的较佳实施例，请参阅图1所示，是于车辆上设有一嵌入式系统10，该嵌入式系统10包含有依序连接的一影像输入单元11、一影像处理单元12与一输出单元13，藉此，该嵌入式系统10可由影像输入单元11取得外部影像，并经影像处理单元12辨识该影像中的障碍物轮廓及所属类型，再由输出单元13发出警示，而达到可辨识该车辆周围障碍物的目的。

该影像输入单元11是为一个以上的CCD摄影机或一个以上的CMOS摄影机，该影像输入单元11可设置于车辆的前方、车辆的后方、车辆的左侧或车辆的右侧以拍摄车辆周围的一个以上的影像，或是同时设置多个摄影机以拍摄车辆周遭的环景影像，并输出该影像至影像处理单元12。

该影像处理单元12是为一数字信号处理器(DSP：Digital Signal Processor)、一现场可程序化门阵列(FPGA：Field-Programmable Gate Array)或一微控制器(MCU)，该影像处理单元12内建有一影像处理程序121，该影像处理程序121是辨识影像输入单元11的输出影像中的障碍物。

该输出单元13是为一LCD屏幕、一LED屏幕、一喇叭或一蜂鸣器，该输出单元13是用以输出该影像处理单元12辨识影像后产生的障碍物警示信号。

请配合参阅图2所示，该影像处理单元12内建的影像处理程序121是执行下列步骤：

取得输入影像(101)：是取得影像输入单元11拍摄的影像信息。

确认障碍物的位置(102)：是检测该影像信息以产生一个以上的障碍物的圈选范围，该圈选范围是作为障碍物的起始轮廓。

辨识障碍物轮廓(103)：针对该圈选范围中的障碍物以一Poisson向量主动变形轮廓演算法产生障碍物的正确轮廓，并以一多重网格演算法使用可变动大小网格方式提高运算速度，其中，该主动变形轮廓是一种给定起始轮廓便会主动变形的圈选障碍物方法。

最大边界圈选(104)：依据圈选的正确轮廓形成该障碍物的最大边界。

辨识障碍物类型(105)：根据障碍物的最大边界供一分类器辨识该障碍物类型。

前述Poisson向量主动变形轮廓演算法的方程式如下所示：

$E=\underset{0}{\overset{1}{\∫}}\frac{1}{2}[\mathrm{\α}{\left|x^{\′}\left(s\right)\right|}^2+\mathrm{\β}{\left|x^{\′\′}\left(s\right)\right|}^2]+E_{\mathrm{ext}}\left(x\left(s\right)\right)\mathrm{ds}$

其中，该α为张力参数，该β为刚性参数，该E_ext为外部力场。

当前述方程序收敛时相当于等价求取E的最小化问题，当要求取该泛涵方程式时，需通过变分法求取，变分过后的结果为：

$\frac{\∂x(s,t)}{\∂t}={\mathrm{\αx}}^{\left(2\right)}(s,t)+\mathrm{\β}{x}^{\left(4\right)}(s,t)-\▿E_{\mathrm{ext}}---\left(1\right)$

当外部力场(E_ext)遇到障碍物轮廓的曲率过大时便难以进入，请参阅图3所示，其中，粗实线表示障碍物原图，细实线表示圈选范围的起始轮廓。请参阅图4所示，当未采用Poisson向量流主动变形轮廓演算法时，该圈选范围遇到障碍物曲率过大时，即难以进入该区域(如图中内凹处)。

因此利用Poisson方程式的解来当作外部力场，亦即若令：

其中，该f_edge是利用canny edge所得的二元影像。当计算完后，将当作E_ext带入前述公式(1)，以Poisson向量流当作力场，当Poisson向量流遇到障碍物轮廓的曲率过大时，仍可依照该曲率进入该内凹处。请参阅图5与6所示，是以Poisson向量流作为力场以对图3的障碍物进行圈选，该圈选范围的起始轮廓遇到障碍物曲率过大时，仍可依照该障碍物的曲率进入该内凹处。

该Poisson向量主动变形轮廓演算法利用Poisson方程序所得的解取代现有利用影像力或是褶积当作影像外部力场的方法，可有效增加分割效能，且适用于各种视野的影像系统。

欲求解上述公式(1)可通过有限差分法或多重网格演算法，其中多重网格演算法的计算速度较有限差分法快。所谓多重网格演算法是利用一可变动大小的网格求得数值解，由于固定网格演算法是以固定的网格数(如3×3、5×5、9×9、17×17或33×33)进行计算，如此需每次以一种固定网格计算，计算完毕后再以另一固定网格计算一次，使得整体计算速度缓慢，而本发明使用的多重网格演算法则是利用非固定尺寸网格或可变动大小的网格进行计算，取代现有有限差分或有限元素法等固定尺寸网格数值法求取数值解时的速度上的局限，因此多重网格演算法会较现有固定网格演算法的处理速度快。

通过前述Poisson向量主动变形轮廓演算法与多重网格演算法完成最大边界圈选后，即可由分类器辨识或确认该障碍物的类型。

由上述可知，本发明是利用嵌入式系统检测影像中的障碍物，以Poisson向量主动变形轮廓演算法将影像信息转换为流场分布，利用变分学圈选障碍物的轮廓，多重网格演算法快速找出数值解以提高运算速度，藉此当该嵌入式系统设置于车辆上时，可针对不同车辆视野，设定其路面检测范围后，无需针对特定道路情境进行条件判断，且无需额外使用其他感测器，即可进行动态物体辨识、检测与警示并提高分类器的辨识准确率，解决现有动态物体检测与影像辨识法的误判机率大、耗时以及不易与现有车辆系统结合的问题。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种可提高分类效能的物体影像检测方法，其特征在于，由一嵌入式系统执行下列步骤：

取得一影像信息；

确认障碍物的位置：检测该影像信息以产生一个以上的障碍物的圈选范围，该圈选范围作为为障碍物的起始轮廓；

辨识障碍物轮廓：针对该圈选范围中的障碍物以一Poisson向量主动变形轮廓演算法与多重网格演算法使用可变动大小网格方式产生障碍物的正确轮廓；以及

辨识障碍物类型：根据障碍物的正确轮廓圈选最大边界以供一分类器辨识障碍物类型。

2.根据权利要求1所述的可提高分类效能的物体影像检测方法，其特征在于，在辨识障碍物轮廓的步骤中，该Poisson向量主动变形轮廓演算法是给定起始轮廓而主动变形以圈选障碍物。

3.根据权利要求2所述的可提高分类效能的物体影像检测方法，其特征在于，在辨识障碍物轮廓的步骤中，该Poisson向量主动变形轮廓演算法将影像信息转换为流场分布，并以变分学圈选障碍物的轮廓，再以多重网格演算法快速找出数值解。

4.根据权利要求3所述的可提高分类效能的物体影像检测方法，其特征在于，该多重网格演算法是以可变动大小网格方式辨识影像中的障碍物。

5.根据权利要求1至4中任意一项所述的可提高分类效能的物体影像检测方法，其特征在于，该Poisson向量主动变形轮廓演算法包括下式：

$E=\underset{0}{\overset{1}{\∫}}\frac{1}{2}[\mathrm{\α}{\left|x^{\′}\left(s\right)\right|}^2+\mathrm{\β}{\left|x^{\′\′}\left(s\right)\right|}^2]+E_{\mathrm{ext}}\left(x\left(s\right)\right)\mathrm{ds}$

其中，该α为张力参数，该β为刚性参数，该E_ext为外部力场。

6.一种可提高分类效能的物体影像检测装置，其特征在于，其是整合为一嵌入式系统并包含有：

一影像输入单元，其用以输出一个以上的影像；

一影像处理单元，其与影像输入单元电连接，该影像处理单元内建有一影像处理程序，该影像处理程序以一Poisson向量主动变形轮廓演算法与一多重网格演算法的可变动大小网格方式辨识前述影像中的障碍物；以及

一输出单元，其与影像处理单元电连接，该输出单元用以在辨识出障碍物时输出障碍物的警示信号。

7.根据权利要求6所述的可提高分类效能的物体影像检测装置，其特征在于，该影像处理程序执行下列步骤：

取得一影像信息；

确认障碍物的位置：检测该影像信息以产生一个以上的障碍物的圈选范围，该圈选范围作为为障碍物的起始轮廓；

辨识障碍物轮廓：针对该圈选范围中的障碍物以Poisson向量主动变形轮廓演算法与多重网格演算法的可变动大小网格方式产生障碍物的正确轮廓；

最大边界圈选：依据圈选的正确轮廓形成该障碍物的最大边界；以及

辨识障碍物类型：根据障碍物的最大边界供一分类器辨识该障碍物类型。

8.根据权利要求6所述的可提高分类效能的物体影像检测装置，其特征在于，该输出单元为一LCD屏幕、一LED屏幕、一喇叭或一蜂鸣器。

9.根据权利要求6所述的可提高分类效能的物体影像检测装置，其特征在于，该影像输入单元为一个以上的CCD摄影机或一个以上的CMOS摄影机。

10.根据权利要求6所述的可提高分类效能的物体影像检测装置，其特征在于，该影像处理单元为数字信号处理器、现场可程序化门阵列或微控制器。