CN107341428A - 影像辨识系统及自适应学习方法 - Google Patents

Abstract

一种影像辨识系统，包含一个侦测单元及一个学习单元。该侦测单元撷取一个影像输入，并输出一个相关于该影像输入的输出图像，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则输出一个警示信号。该学习单元接收该输出图像，并分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像进行训练以重新调整出一组新的弱分类器参数并进行更新。借此，可以对该影像输入即时进行运算处理，并自行找出判定结果有误的该输出图像以进行训练，能快速提升效能、降低误判率以增加驾驶者的行车安全。

Description

影像辨识系统及自适应学习方法

技术领域

本发明涉及一种辨识系统及其学习方法，特别是涉及一种应用于车用影像处理的影像辨识系统及其自适应学习方法。

背景技术

近年来，智能型先进驾驶辅助系统(Advanced Driver AssistanceSystems，缩写为ADAS)迅速发展，希望通过人工智能的应用降低交通事故的肇事率，包含车道线侦测系统、倒车辅助系统、前方车辆防撞系统等，都是国内外车厂近来积极开发的技术。

上述系统中，影像辨识技术为其不可或缺的一环，而其技术的核心多是利用机器学习演算法训练分类器进行分类判断以辨识影像，然而，由于受限于车载嵌入式系统的效能，因此车载的分类器表现有其极限，而如何在车载嵌入式系统的有限效能下，于多变的道路环境中有效率地降低误判率，则为目前研究发展的重点目标。

发明内容

本发明的第一目的在于提供一种能自行进行训练且有效率地降低误判率的影像辨识系统。

本发明的影像辨识系统，包含一个侦测单元及一个学习单元。

该侦测单元撷取一个影像输入以得到一个影像，并输出一个相关于该影像的输出图像，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则输出一个警示信号，并于接收到一组新的弱分类器参数时，更新原弱分类器参数。

该学习单元接收该输出图像，并分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像进行训练以重新调整出该组新的弱分类器参数，并更新该组新的弱分类器参数至该侦测单元。

本发明的影像辨识系统，该侦测单元包括一个影像撷取模块、一个第一影像处理模块、一个第一分类模块，及一个输出模块。

该影像撷取模块撷取该影像输入以输出该影像。

该第一影像处理模块电连接该影像撷取模块，接收该影像并运算处理以输出一个第一区域图像。

该第一分类模块电连接该第一影像处理模块，接收该第一区域图像，并以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则输出该警示信号。

该输出模块电连接该影像撷取模块，用于接收该影像并输出该输出图像。

本发明的影像辨识系统，该学习单元包括一个第二影像处理模块、一个第二分类模块、一个训练模块，及一个更新模块。

该第二影像处理模块接收该输出图像并运算处理以输出该输出图像及一个第二区域图像。

该第二分类模块接收该输出图像及该第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，于两判定结果相异时输出该输出图像。

该训练模块由该第二分类模块接收该输出图像，并以该输出图像作为样本训练该第二分类模块以调整出该组新的弱分类器参数。

该更新模块，由该训练模块接收该组新的弱分类器参数，并更新该组新的弱分类器参数至该第二分类模块及该侦测单元。

本发明的影像辨识系统，还包含一个反馈单元，该反馈单元接收一个车身讯号，并至少根据该车身讯号输出一个误判反馈信号，该输出模块于接收该误判反馈信号时输出该输出图像。

本发明的影像辨识系统，该车身讯号指示一个车行速度值及一个刹车踏板深度值至少其中一个，该反馈单元于下列至少一种情况发生时输出该误判反馈信号：

该反馈单元接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值。

该反馈单元未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

本发明的影像辨识系统，该反馈单元还接收一个撞击信号及一个指示一个障碍物距离的距离讯号，并还于下列至少一种情况发生时输出该误判反馈信号：

该反馈单元接收该撞击信号时。

于该障碍物距离小于一个运算刹车距离时，该运算刹车距离根据该车行速度值计算而得。

本发明的影像辨识系统，该更新模块运算该组新的弱分类器参数的一个信任分数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，更新该组新的弱分类器参数至该第二分类模块及该侦测单元。

本发明的第二目的在于提供一种能自行进行训练且有效率地降低误判率的影像辨识系统的自适应学习方法。

本发明的影像辨识系统的自适应学习方法，运用于如上述的影像辨识系统，该方法包含以下步骤：

(A)利用该侦测单元，撷取一个影像输入以得到一个影像及一个相关于该影像的输出图像。

(B)利用该侦测单元，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则产生一个警示信号。

(C)于接收到一组新的弱分类器参数时，更新原弱分类器参数。

(D)利用该学习单元，分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤(C)更新。

本发明的自适应学习方法中：

步骤(A)中，将该影像运算处理以产生一个第一区域图像。

步骤(B)中，以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则产生该警示信号。

步骤(D)中，将该输出图像运算处理以产生一个第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤(C)更新。

本发明的自适应学习方法，步骤(A)中，该侦测单元于接收一个误判反馈信号时，输出该输出图像至该学习单元。

本发明的自适应学习方法，还包含以下步骤：

(E)至少根据一个车身讯号及该警示信号判断是否产生该误判反馈信号。

其中，该车身讯号指示一个车行速度值及一个刹车踏板深度值至少其中一个，且于下列至少一种情况产生该误判反馈信号：

接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值。

未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

本发明的自适应学习方法，步骤(E)中，还根据一个指示一个障碍物距离的距离讯号判断是否产生该误判反馈信号，还于下列至少一种情况产生该误判反馈信号：

接收一个撞击信号时。

于该障碍物距离小于一个运算刹车距离时，该运算刹车距离根据该车行速度值计算而得。

本发明的自适应学习方法，步骤(D)中，运算该组新的弱分类器参数的一个信任分数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，输出该组新的弱分类器参数供步骤(C)更新。

本发明的有益效果在于：通过设置该侦测单元，可以对该影像输入即时进行运算处理，而通过设置该学习单元，可以自行找出判定结果有误的该输出图像，并自行进行训练以降低误判率，由于不需要人工进行辅助判定或贴标签分类，因此可以快速搜集大量训练样本，而能快速提升效能、降低误判率以增加驾驶者的行车安全。

附图说明

图1是本发明影像辨识系统的一个第一实施例的一个电路方块图；

图2是该第一实施例应用于一个车辆的一个示意图；

图3是该第一实施例的一个强分类器及一个弱分类器的一个示意图；

图4是本发明影像辨识系统的一个第二实施例的一个电路方块图；

图5是该第二实施例应用于一个车辆的一个示意图；及

图6是本发明影像辨识系统的自适应学习方法的一个流程图。

具体实施方式

在本发明被详细描述前，应当注意在以下的说明内容中，类似的元件是以相同的编号来表示。

参阅图1与图2，本发明影像辨识系统的一个第一实施例，包含一个侦测单元2，及一个学习单元3。

该侦测单元2适用于设置于一个车辆9，撷取一个影像输入以得到一个影像，并输出一个相关于该影像的输出图像，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则输出一个警示信号，并于接收到一组新的弱分类器参数时，更新原弱分类器参数。

于本实施例中，该影像输入为一个用于摄影车行方向的车用摄影机(图未示)所摄的影像，以供该侦测单元2判断车行方向是否有碍障物，所述的预设目标即为系统预设的障碍物，但该侦测单元2也能运用于其他的车用影像处理，并不限于此。

该侦测单元2包括一个影像撷取模块21、一个第一影像处理模块22、一个第一分类模块23、一个输出模块24，及一个参数模块25。

该影像撷取模块21撷取该车用摄影机所输出的该影像输入，以输出该影像。

该第一影像处理模块22电连接该影像撷取模块21，接收该影像并运算处理以输出一个第一区域图像。

该第一分类模块23电连接该第一影像处理模块22，接收该第一区域图像，并以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则表示车行方向具有障碍物，该第一分类模块23输出该警示信号以警示驾驶者。

该输出模块24电连接该影像撷取模块21，用于接收该影像并输出该输出图像。

该参数模块25用于储存该组弱分类器参数以供该第一分类模块23运算使用。

该学习单元3与该侦测单元2联机，接收该输出图像，并分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像进行训练以重新调整出该组新的弱分类器参数，并更新该组新的弱分类器参数至该参数模块25。

于本实施例中，该学习单元3能设置于车内或另设于一个伺服器(图未示)，且与该侦测单元2为有线或无线联机，用于供该参数模块25更新该组新的弱分类器参数。

该学习单元3包括一个第二影像处理模块31、一个第二分类模块32、一个训练模块33，及一个更新模块34。

该第二影像处理模块31接收该输出图像并运算处理以输出该输出图像及一个第二区域图像。

该第二分类模块32接收该输出图像及该第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，由于该第二分类模块32与第一分类模块23使用相同的该组弱分类器参数进行运算，因此，此处使用该组弱分类器参数所运算的判定结果能视为相同于该第一分类模块23所运算的判定结果，而由于该组强分类器参数数量较庞大，其精确度高，因此，此处使用该组强分类器参数所运算的判定结果能视为正确的判定结果，而当使用该组弱分类器参数及使用该组强分类器参数的判定结果相异时，则表示该第一分类模块23所运算的判定结果有误，此时，输出对应判定结果有误的该输出图像。

该训练模块33由该第二分类模块32接收对应判定结果有误的该输出图像，并以该输出图像作为样本训练该第二分类模块32以调整出该组新的弱分类器参数。

该更新模块34由该训练模块33接收该组新的弱分类器参数，并更新该组新的弱分类器参数至该第二分类模块32及该参数模块25，借此，本实施例能自行找出对应判定结果有误的该输出图像，并自行进行重新训练以调整弱分类器参数，再自动进行参数更新。

其中，该更新模块34使用事先预设的一组图像样本测试运算该组新的弱分类器参数的一个信任分数，以确认该组新的弱分类器参数对系统所预设的障碍物(例如人、车等)的判定效能是否优于原弱分类器参数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，更新该组新的弱分类器参数至该第二分类模块32及该影像撷取模块21。

值得一提的是，该第一分类模块23能具有一个弱分类器231，并以该弱分类器231搭配该组弱分类器参数进行运算处理，而该第二分类模块32则能具有如图3所示一个阶层式的强分类器321，并以该强分类器321搭配该组强分类器参数进行运算处理，而该强分类器321前面M级则形成一个弱分类器322，并搭配该组弱分类器参数进行运算处理，借此，该第二分类模块32能分别输出两判定结果。

经由以上的说明，能将本实施例的优点归纳如下：

一、通过设置该侦测单元2，可以对该车用摄影机所输出的影像输入即时进行运算处理，并于判定该输出图像符合预设目标时(有障碍物时)输出该警示信号以警示使用者，而通过不断更新该组弱分类器参数，则能持续提升该第一分类模块23的分类精确度，以降低误判率。

再者，通过设置与该侦测单元2联机的该学习单元3，并通过该第二分类模块32分别以该组弱分类器参数及该组强分类器参数进行运算处理以得到两个判定结果，能判定该第一分类模块23所运算的判定结果是否有误，并于判定结果有误时，令该训练模块33进行训练以重新调整弱分类器参数、该更新模块34更新该组新的弱分类器参数，借此，本实施例能自行找出判定结果有误的该输出图像，并自行进行训练以降低误判率，由于此运作皆是于系统中自动进行，并不需要人工进行辅助判定或贴标签分类，因此可以快速搜集大量训练样本进行训练以得到更佳的该组弱分类器参数，所以能快速提升效能、降低误判率以增加驾驶者的行车安全。

通过将该侦测单元2设置于该车辆9上的车载嵌入式系统，并将该学习单元3另设于该车辆9上或伺服器以提供有线或无线联机，可以令该学习单元3不用受限于车载嵌入式系统的效能，而能建构运算功能强大的该第二分类模块32，以更加快速即时地运算该输出图像而提供该第一分类模块23更佳的该组弱分类器参数。

二、通过该更新模块34每次仅更新信任分数较高的该组新的弱分类器参数，可以确保每次更新都可以得到更佳的效能，避免当次所误判的该输出图像仅为特殊事件时，反而造成较差的侦测与误判表现。

参阅图4及图5，为本发明影像辨识系统的一个第二实施例，该第二实施例是类似于该第一实施例，该第二实施例与该第一实施例的差异在于：

该第一分类模块23还具有一个距离计算部232，该距离计算部232于该弱分类器231判定车行方向具有障碍物时，接收该第一区域图像，并根据该第一区域图像中的障碍物大小运算该障碍物的距离，以输出一个指示一个障碍物距离的距离讯号。

该输出模块24于接收一个误判反馈信号时输出该输出图像至该学习单元3。

该第二实施例还包含一个反馈单元4，该反馈单元4接收一个车身讯号、一个撞击信号、该距离讯号。

于本实施例中，该车身讯号指示一个车行速度值及一个刹车踏板深度值，但也能为指示至少其中一个，并不限于此。

该反馈单元4分别于下列四种情况发生时输出该误判反馈信号：

一、该反馈单元4接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值。

此情况表示该第一分类模块23判断有障碍物(符合预设目标)，但该车辆9却未快速减速或驾驶者未重踩刹车，因此，该反馈单元4判断该第一分类模块23判断有误。

二、该反馈单元4未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

此情况表示该第一分类模块23并无判断有障碍物(不符合预设目标)，但该车辆9却快速减速或驾驶者重踩刹车，表示该第一分类模块23判断有误。

三、该反馈单元4接收该撞击信号时。

此情况表示该第一分类模块23未输出该警示信号或是太晚输出该警示信号，导致驾驶者反应不及而发生碰撞。

四、于该障碍物距离小于一个运算刹车距离时。

此情况表示该第一分类模块23根据该距离计算部232所运算的障碍物距离，判断在能安全刹车的距离(即该运算刹车距离)以内有障碍物(符合预设目标)，但驾驶者却仍然驾车靠近，因此判断该第一分类模块23判断有误。

其中，该运算刹车距离S'根据下列公式计算，v为预定末速，设定为0，v_o为初速，即为该车行速度值，a为加速度，以欧盟新车安全评鉴协会(European New Car Assessment Programme，缩写为Euro-NCAP)所规范的刹车力(0.4g)计算而得，s为根据公式1所计算的理论刹车距离，S为反应期间的车辆位移，t以驾驶者反应时间约0.8秒计算。

S＝v_o*t (公式2)

S'＝s+S (公式3)

如此，该第二实施例也能达到与上述第一实施例相同的目的与功效，且还能达到以下优点：

一、通过设置该反馈单元4，并令该输出模块24于接收该误判反馈信号时才输出该输出图像至该学习单元3，可以大幅减少输出至该学习单元3的该输出图像数量，借此，可以大幅降低该第二分类模块32的资讯处理量，也就是说，能降低对该第二分类模块32的运算效能的需求、简化该第二分类模块32的设计复杂度，所以能使用运算能力一般的架构实施该第二分类模块32，或是能直接将该学习单元3与该侦测单元2一起设置于该车辆9的车载嵌入式系统，借此，不仅节省设计成本，且能省下另设该学习单元3于车辆上的成本，或相较于另设该学习单元3于伺服器，则是能不受限于具有通讯信号时才能联机更新，能提供该第一分类模块23即时参数回馈。

二、通过提供该警示信号、该车身讯号、该距离讯号及该撞击信号至该反馈单元4，能帮助该反馈单元4判断该第一分类模块23是否误判，帮助控管该输出模块24所输出的输出图像皆是对应判断错误的有效训练样本，以降低该第二分类模块32的资讯处理量，节省设计成本。

参阅图4及图6，该影像辨识系统所执行的影像辨识系统的自适应学习方法包括以下步骤51～55。

步骤51：利用该侦测单元2，撷取一个影像输入以得到一个影像及一个相关于该影像的输出图像。

其中，将该影像运算处理以产生一个第一区域图像，且该侦测单元2于接收一个误判反馈信号时，输出该输出图像至该学习单元3。

步骤52：利用该侦测单元2，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则产生一个警示信号。

其中，以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则产生该警示信号。

步骤53：于接收到一组新的弱分类器参数时，更新原弱分类器参数。

步骤54：利用该学习单元3，分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤53更新。

其中，将该输出图像运算处理以产生一个第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤53更新。

其中，运算该组新的弱分类器参数的一个信任分数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，输出该组新的弱分类器参数供步骤53更新。

步骤55：至少根据一个车身讯号及该警示信号判断是否产生该误判反馈信号。

其中，还根据一个指示一个障碍物距离的距离讯号判断是否产生该误判反馈信号。

其中，该车身讯号指示一个车行速度值及一个刹车踏板深度值至少其中一个，且分别于下列四种情况中产生该误判反馈信号：

一、接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值。

二、未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

三、接收一个撞击信号时。

四、于该障碍物距离小于一个运算刹车距离时，其中，该运算刹车距离根据该车行速度值计算而得。

如此，该自适应学习方法也能达到与上述第一实施例相同的目的与功效。

综上所述，通过设置该侦测单元2及该学习单元3，可以对该影像输入即时进行运算处理，并自行找出判定结果有误的该输出图像以进行训练，能快速提升效能、降低误判率以增加驾驶者的行车安全，所以确实能达成本发明的目的。

以上所述者，仅为本发明的实施例而已，当不能以此限定本发明实施的范围，即凡依本发明权利要求书及说明书内容所作的简单的等效变化与修饰，皆仍属本发明的范围。

Claims (13)

1.一种影像辨识系统，包含一个侦测单元；

其特征在于：

该侦测单元撷取一个影像输入以得到一个影像，并输出一个相关于该影像的输出图像，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则输出一个警示信号，并于接收到一组新的弱分类器参数时，更新原弱分类器参数；

该影像辨识系统还包含一个学习单元，该学习单元接收该输出图像，并分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像进行训练以重新调整出该组新的弱分类器参数，并更新该组新的弱分类器参数至该侦测单元。

2.根据权利要求1所述的影像辨识系统，其特征在于：该侦测单元包括：

一个影像撷取模块，撷取该影像输入以输出该影像，

一个第一影像处理模块，电连接该影像撷取模块，接收该影像并运算处理以输出一个第一区域图像，

一个第一分类模块，电连接该第一影像处理模块，接收该第一区域图像，并以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则输出该警示信号，及

一个输出模块，电连接该影像撷取模块，用于接收该影像并输出该输出图像。

3.根据权利要求2所述的影像辨识系统，其特征在于：该学习单元包括：

一个第二影像处理模块，接收该输出图像并运算处理以输出该输出图像及一个第二区域图像，

一个第二分类模块，接收该输出图像及该第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，于两判定结果相异时输出该输出图像，

一个训练模块，由该第二分类模块接收该输出图像，并以该输出图像作为样本训练该第二分类模块以调整出该组新的弱分类器参数，及

一个更新模块，由该训练模块接收该组新的弱分类器参数，并更新该组新的弱分类器参数至该第二分类模块及该侦测单元。

4.根据权利要求3所述的影像辨识系统，其特征在于：还包含一个反馈单元，该反馈单元接收一个车身讯号，并至少根据该车身讯号输出一个误判反馈信号，该输出模块于接收该误判反馈信号时输出该输出图像。

5.根据权利要求4所述的影像辨识系统，其特征在于：该车身讯号指示一个车行速度值及一个刹车踏板深度值至少其中一个，该反馈单元于下列至少一种情况发生时输出该误判反馈信号：

该反馈单元接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值；

该反馈单元未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

6.根据权利要求5所述的影像辨识系统，其特征在于：该反馈单元还接收一个撞击信号及一个指示一个障碍物距离的距离讯号，并还于下列至少一种情况发生时输出该误判反馈信号：

该反馈单元接收该撞击信号时，

于该障碍物距离小于一个运算刹车距离时，其中，该运算刹车距离根据该车行速度值计算而得。

7.根据权利要求3所述的影像辨识系统，其特征在于：该更新模块运算该组新的弱分类器参数的一个信任分数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，更新该组新的弱分类器参数至该第二分类模块及该侦测单元。

8.一种影像辨识系统的自适应学习方法，其特征在于：

运用于权利要求1所述的影像辨识系统，该方法包含以下步骤：

(A)利用该侦测单元，撷取一个影像输入以得到一个影像及一个相关于该影像的输出图像；

(B)利用该侦测单元，以一组弱分类器参数进行运算处理以判定该输出图像是否符合预设目标，若符合，则产生一个警示信号；

(C)于接收到一组新的弱分类器参数时，更新原弱分类器参数；及

(D)利用该学习单元，分别以该组弱分类器参数及一组强分类器参数进行运算处理以判定该输出图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤(C)更新。

9.根据权利要求8所述的自适应学习方法，其特征在于：

步骤(A)中，将该影像运算处理以产生一个第一区域图像，

步骤(B)中，以该组弱分类器参数进行运算处理以判定对应该输出图像的该第一区域图像是否符合预设目标，若符合，则产生该警示信号，

步骤(D)中，将该输出图像运算处理以产生一个第二区域图像，并分别以该组弱分类器参数及该组强分类器参数进行运算处理以判定对应该输出图像的该第二区域图像是否符合预设目标，于两判定结果相异时，以该输出图像作为样本以训练调整出该组新的弱分类器参数，以供步骤(C)更新。

10.根据权利要求9所述的自适应学习方法，其特征在于：步骤(A)中，该侦测单元于接收一个误判反馈信号时，输出该输出图像至该学习单元。

11.根据权利要求10所述的自适应学习方法，其特征在于：该自适应学习方法还包含以下步骤：

(E)至少根据一个车身讯号及该警示信号判断是否产生该误判反馈信号，

其中，该车身讯号指示一个车行速度值及一个刹车踏板深度值至少其中一个，且于下列至少一种情况产生该误判反馈信号：

接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量不大于一个减速度预定值或该刹车踏板深度值不大于一个刹车预定值，

未接收该警示信号，且该车身讯号所指示的车行速度值于单位时间的减速变化量大于该减速度预定值或该刹车踏板深度值大于该刹车预定值。

12.根据权利要求11所述的自适应学习方法，其特征在于：步骤(E)中，还根据一个指示一个障碍物距离的距离讯号判断是否产生该误判反馈信号，还于下列至少一种情况产生该误判反馈信号：

接收一个撞击信号时，

于该障碍物距离小于一个运算刹车距离时，其中，该运算刹车距离根据该车行速度值计算而得。

13.根据权利要求9所述的自适应学习方法，其特征在于：步骤(D)中，运算该组新的弱分类器参数的一个信任分数，并于该组新的弱分类器参数的信任分数高于原弱分类器参数的信任分数时，输出该组新的弱分类器参数供步骤(C)更新。