CN109190591A - 一种基于摄像头的前车识别预警装置及识别预警方法 - Google Patents
一种基于摄像头的前车识别预警装置及识别预警方法 Download PDFInfo
- Publication number
- CN109190591A CN109190591A CN201811099330.5A CN201811099330A CN109190591A CN 109190591 A CN109190591 A CN 109190591A CN 201811099330 A CN201811099330 A CN 201811099330A CN 109190591 A CN109190591 A CN 109190591A
- Authority
- CN
- China
- Prior art keywords
- front truck
- image
- camera
- video
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/446—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering using Haar-like filters, e.g. using integral image techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于摄像头的前车识别预警装置,包括:摄像头,其安装在汽车前挡风玻璃处;视频采集子系统,其连接所述摄像头,用于采集摄像头拍摄到的车辆前方的行驶工况视频;视频图像处理与车辆识别子系统,其连接所述视频采集子系统,用于对采集的视频每一帧图像进行图像算法处理与车辆特征识别;测距子系统,其与所述视频图像处理与车辆识别子系统相连接,用于对视频中识别出的前方车辆与本车之间的距离进行测算;语音预警子系统,其与所述测距子系统相连接,能够进行多级语音预警提示。本发明还公开了一种基于摄像头的前车识别预警方法,能够提高前车识别准确率和可靠性,并依据本车与前车之间的距离对驾驶人进行多级语音提醒。
Description
技术领域
本发明属于智能汽车电子装置技术领域,特别涉及一种基于摄像头的前车识别预警装置及识别预警方法。
背景技术
汽车作为人们出行的重要交通工具得到了快速发展,但是随之而来的交通事故也频繁发生,其中由于驾驶员疲劳驾驶、操作不当、反应不及时等导致的汽车追尾是造成道路交通事故的重要原因之一。随着机器视觉技术的飞速发展,基于摄像头的汽车前向防撞预警系统已经成为国内外研究热点,该类系统是一种驾驶员警示系统,在高级辅助驾驶系统中起了非常重要的作用,它能感知道路交通环境中潜在的危及本车安全的信息并通过语音与光电信号等给予驾驶员警示作用,从而弥补驾驶员感官能力的不足,帮助驾驶员避免可能产生的交通事故,提高车辆行驶的安全性。
发明内容
本发明提供了一种基于摄像头的前车识别预警装置,其目的是辅助驾驶员识别出前车,并根据前车与本车的距离进行语音预警提示。
本发明提供了一种基于摄像头的前车识别预警方法,其目的之一是通过提取车辆Haar特征,基于Adaboost算法进行特征样本训练得到级联分类器,在此基础上进行视频图像中前方车辆识别,以提高前车识别准确率和可靠性。
本发明提供了一种基于摄像头的前车识别预警方法,其目的之二是将测算出的本车与前车的距离和不同的安全距离比较后,进行多级语音预警提示,能够使驾驶员根据实际情况采取应对措施,避免发生事故。
本发明提供的技术方案为:
一种基于摄像头的前车识别预警装置,包括:
摄像头,其安装在汽车前挡风玻璃处;
视频采集子系统,其连接所述摄像头,用于采集摄像头拍摄到的车辆前方的行驶工况视频;
视频图像处理与车辆识别子系统,其连接所述视频采集子系统,用于对采集的视频每一帧图像进行图像算法处理与车辆特征识别;
测距子系统,其与所述视频图像处理与车辆识别子系统相连接,用于对视频中识别出的前方车辆与本车之间的距离进行测算;
语音预警子系统,其与所述测距子系统相连接,能够进行多级语音预警提示。
优选的是,所述摄像头采用OV7725摄像头。
一种基于摄像头的前车识别预警方法,使用所述的基于摄像头的前车识别预警装置,包括如下步骤:
步骤一、对采集的样本图像进行光照修正;
步骤二、针对光照修正的图像,采用积分图计算提取图像中有关前车的Haar特征值;
步骤三、针对提取的前车Haar特征值,进行样本训练,得到强分类器,将强分类器进行多个级联,得到级联强分类器;
步骤四、采用级联强分类器识别出前车,将本车与前车之间的距离与设定的安全距离比较后,进行多级语音提示预警,包括:
当S2≤S<S1时,则进行初步语音提示;
当S3≤S<S2时,则进行谨慎语音提示;
当S<S3时,则进行急促语音提示;
其中,S为本车与前车之间的距离;S1为第一安全距离;S2为第二安全距离;S3为第三安全距离。
优选的是,在所述步骤一中,对样本图像进行光照修正的方法为:
其中,IMG(i,j)为原始图像在(i,j)处的像素值,IMGn(i,j)为经过光照修正后的图像在(i,j)处的像素值,Vave为图像的平均值,M为图像的像素总个数,xk为图像第K个像素点的像素值。
优选的是,在所述步骤二中,有关前车的Haar特征值计算公式为:
其中,IMGn(ii,jj)为经过光照修正后的图像在(ii,jj)处的像素值,IMGin(i,j)为图像的积分图在(i,j)点左上角所有的像素的之和。
优选的是,在所述步骤三中,所述强分类器为:
其中,Cn(k)为弱分类器,N为迭代计算的次数。
优选的是,所述弱分类器为:
其中,Pn(k)为提取的特征样本属于分类结果1的概率。
优选的是,在所述步骤四中,
所述第一安全距离为:S1=1.0×Vi(s)+0.8×αi(s);
所述第二安全距离为:S2=0.3×Vi(s)+0.3×αi(s);
所述第三安全距离为:S3=0.1×Vi(s)+0.2×αi(s);
其中,Vi(s)为本车的车速,αi(s)为本车的加速度。
本发明的有益效果是:
(1)本发明通过提取车辆Haar特征,基于Adaboost算法进行特征样本训练得到级联分类器,在此基础上进行视频图像中前方车辆识别,提高了识别准确率和可靠性。
(2)本发明将测算出的本车与前车的距离和不同的安全距离比较后,进行多级语音预警提示,能够使驾驶员根据实际情况采取应对措施,避免发生事故,在各种汽车行驶复杂工况下具有实际的应用意义。
(3)本发明采用OV7725摄像头,通过SCCB协议采集车前方的车辆行驶工况视频,提高了视频采集的实时性。
附图说明
图1为本发明所述的基于摄像头的前车识别预警装置框架图。
图2为本发明所述的通过特征样本训练得到强分类器的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供了一种基于摄像头的前车识别预警装置,包括:摄像头、车前方视频采集子系统、视频图像处理与车辆识别子系统、视频图像中前车测距子系统、多级语音预警子系统。
摄像头作为本装置的视觉传感器,摄像头与车前方视频采集子系统硬件相连,摄像头获取车前方的车辆行驶工况视频,然后通过SCCB协议传输给车前方视频采集子系统。视频图像处理与车辆识别子系统与车前方视频采集子系统硬件相连,视频图像处理与车辆识别子系统对采集的视频每一帧图像进行图像算法处理与车辆特征识别,采用灰度化、边缘检测对采集到的视频图像进行图像处理,提取haar特征,基于Adaboost算法进行特征样本训练得到级联分类器,并在此基础上进行前方车辆识别。视频图像中前车测距子系统和视频图像处理与车辆识别子系统硬件相连,测距子系统基于摄像头的成像模型,将前方车辆三维世界坐标的位置与其所在图像的对应点确定对应关系,通过所用摄像头参数进行标定,得到本车与前车之间的距离。多级语音预警子系统与视频图像中前车测距子系统硬件相连,依据测算出的本车与前车的距离和安全距离标准,将本车与前车的距离和安全距离进行比较后,进行多级语音预警提示,包括:初步语音提示(提醒司机反应,注意到前方车辆)、谨慎语音提示(提醒司机减速)、急促语音提示(提醒司机紧急制动)来实现汽车前向防撞语音预警。
其中,摄像头采用OV7725摄像头,通过车载12V电源转换出5V电源为其供电。所述车前方视频采集子系统和多级语音预警子系统采用意法半导体公司的STM32微控制器。所述视频图像处理与车辆识别子系统和视频图像中前车测距子系统采用ADI半导体公司的BF609双核嵌入式微处理器。通过车载12V电源连接车前方视频采集子系统、视频图像处理与车辆识别子系统、视频图像中前车测距子系统及多级语音预警子系统,为其供电。采用OV7725摄像头,通过SCCB协议采集车前方的车辆行驶工况视频,提高了视频采集的实时性。
本发明还提供了一种基于摄像头的前车识别预警方法,使用所述的基于摄像头的前车识别预警装置,包括如下步骤:
步骤一、针对采集的汽车行驶样本图像,进行光照修正预处理;
在采集样本图像过程中由于光照的不同会造成识别准确性的下降,为降低光照影响,首先要进行光照修正,依据如下公式:
式中,IMG(i,j)为原始图像在(i,j)处的像素值,IMGn(i,j)为经过光照修正后的图像在(i,j)处的像素值,Vave为图像的平均值(就是图像中的所有像素值相加,然后除以像素的个数),M为图像的像素总个数,xk为图像第K个像素点的像素值。
步骤二、针对光照修正的图像,采用积分图计算提取图像中有关前车的Haar特征值;
针对光照修正的图像IMGn(i,j),为达到特征提取实时性,采用积分图计算图像中有关前车的Haar特征值,依据如下公式:
式中,IMGn(ii,jj)为图像在(ii,jj)处的像素值,IMGin(i,j)为图像在(i,j)处的积分图(该位置左上角所有的像素的之和)。
提取图像中有关前车的Haar特征值的具体过程如下:
步骤1、设P(i,j)为IMGn(i,j)图像中点(i,j)处的像素值,设V(i,j)为IMGn(i,j)图像中点(i,j)的y方向所有图像像素值和,并初始化V(i,-1)=0;
步骤2、设INT(i,j)为IMGn(i,j)图像中点(i,j)的积分图,并初始化INT(-1,j)=0;
步骤3、逐行遍历图像,依据公式(3)和(4)进行递归计算V(i,j)和INT(i,j)的值;
V(i,j)=V(i,j-1)+P(i,j) (3)
INT(i,j)=INT(i-1,j)+V(i,j) (4)
步骤4、遍历图像一遍,当遍历到IMGn(i,j)图像右下角像素时,积分图计算结束,退出递归计算;
步骤5、遍历图像,依据Haar特征矩形端点处的积分图,快速进行Haar特征值计算和提取。
步骤三、针对提取的前车Haar特征值,进行样本训练,得到强分类器;将强分类器进行多个级联,得到级联强分类器;
如图2所示,针对提取的前车Haar特征值,进行样本训练,具体过程如下:
步骤1、针对提取的特征样本图像PI1,....,PIm,希望得到的结果输出(即分类)为PO1,....,POm,其中PO∈{-1,1};
其中,特征样本图像PI1,....,PIm是包含Haar特征值的小图像,区别于采集的原始图像,特征样本图像比较小,一般取20*20像素大小;
步骤2、初始化每个特征样本图像的权值其值都为
步骤3、进行迭代:n=1,....,N;
(1)基于每一个特征样本图像的权值拟合一个分类概率估计:
Pn(k)=P(PO=1|k)∈[0,1],表示特征样本属于分类结果1的概率;
(2)取得本次迭代的弱分类器Cn(k):
(3)更新权值
(4)归一化权值,使得:
(5)取得最终的强分类器Cstr(k):
之后,将样本训练得到的强分类器进行多个级联,得到级联强分类器,以提高车辆识别率。
步骤四、采用级联强分类器识别出前车,将本车与前车之间的距离与设定的安全距离比较后,进行多级语音提示预警,包括:
所述多级语音预警子系统依据测算出的与前车的距离和不同安全级别标准,进行多级语音预警提示,包括:初步语音提示、谨慎语音提示、急促语音提示来实现汽车前向防撞语音预警。
在本实施实例中,通过数字式速度传感器测得本车的车速Vi(s),数字式加速度传感器测得本车的加速度αi(s),速度传感器及加速度传感器分别与测距子系统相连,测距子系统计算的当本车与前车的距离为S。
设定第一安全距离为:S1=1.0×Vi(s)+0.8×αi(s);第二安全距离为:S2=0.3×Vi(s)+0.3×αi(s);第三安全距离为:S3=0.1×Vi(s)+0.2×αi(s);
若S2≤S<S1,则进行初步语音提示(提醒司机反应,注意到前方车辆);
若S3≤S<S2,则进行谨慎语音提示(提醒司机减速);
若S<S3,则进行急促语音提示(提醒司机紧急制动)。
本发明通过提取车辆Haar特征,基于Adaboost算法进行特征样本训练得到级联分类器,在此基础上进行视频图像中前方车辆识别,提高了识别准确率和可靠性;将测算出的本车与前车的距离和不同的安全距离比较后,进行多级语音预警提示,能够使驾驶员根据实际情况采取应对措施,避免发生事故,在各种汽车行驶复杂工况下具有实际的应用意义。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种基于摄像头的前车识别预警装置,其特征在于,包括:
摄像头,其安装在汽车前挡风玻璃处;
视频采集子系统,其连接所述摄像头,用于采集摄像头拍摄到的车辆前方的行驶工况视频;
视频图像处理与车辆识别子系统,其连接所述视频采集子系统,用于对采集的视频每一帧图像进行图像算法处理与车辆特征识别;
测距子系统,其与所述视频图像处理与车辆识别子系统相连接,用于对视频中识别出的前方车辆与本车之间的距离进行测算;
语音预警子系统,其与所述测距子系统相连接,能够进行多级语音预警提示。
2.根据权利要求1所述的基于摄像头的前车识别预警装置,其特征在于,所述摄像头采用OV7725摄像头。
3.一种基于摄像头的前车识别预警方法,其特征在于,使用如权利要求1或2所述的基于摄像头的前车识别预警装置,包括如下步骤:
步骤一、对采集的样本图像进行光照修正;
步骤二、针对光照修正的图像,采用积分图计算提取图像中有关前车的Haar特征值;
步骤三、针对提取的前车Haar特征值,进行样本训练,得到强分类器,将强分类器进行多个级联,得到级联强分类器;
步骤四、采用级联强分类器识别出前车,将本车与前车之间的距离与设定的安全距离比较后,进行多级语音提示预警,包括:
当S2≤S<S1时,则进行初步语音提示;
当S3≤S<S2时,则进行谨慎语音提示;
当S<S3时,则进行急促语音提示;
其中,S为本车与前车之间的距离;S1为第一安全距离;S2为第二安全距离;S3为第三安全距离。
4.根据权利要求3所述的基于摄像头的前车识别预警方法,其特征在于,在所述步骤一中,对样本图像进行光照修正的方法为:
其中,IMG(i,j)为原始图像在(i,j)处的像素值,IMGn(i,j)为经过光照修正后的图像在(i,j)处的像素值,Vave为图像的平均值,M为图像的像素总个数,xk为图像第K个像素点的像素值。
5.根据权利要求4所述的基于摄像头的前车识别预警方法,其特征在于,在所述步骤二中,有关前车的Haar特征值计算公式为:
其中,IMGn(ii,jj)为经过光照修正后的图像在(ii,jj)处的像素值,IMGin(i,j)为图像的积分图在(i,j)点左上角所有的像素的之和。
6.根据权利要求5所述的基于摄像头的前车识别预警方法,其特征在于,在所述步骤三中,所述强分类器为:
其中,Cn(k)为弱分类器,N为迭代计算的次数。
7.根据权利要求6所述的基于摄像头的前车识别预警方法,其特征在于,所述弱分类器为:
其中,Pn(k)为提取的特征样本属于分类结果1的概率。
8.根据权利要求7所述的基于摄像头的前车识别预警方法,其特征在于,在所述步骤四中,
所述第一安全距离为:S1=1.0×Vi(s)+0.8×αi(s);
所述第二安全距离为:S2=0.3×Vi(s)+0.3×αi(s);
所述第三安全距离为:S3=0.1×Vi(s)+0.2×αi(s);
其中,Vi(s)为本车的车速,αi(s)为本车的加速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811099330.5A CN109190591A (zh) | 2018-09-20 | 2018-09-20 | 一种基于摄像头的前车识别预警装置及识别预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811099330.5A CN109190591A (zh) | 2018-09-20 | 2018-09-20 | 一种基于摄像头的前车识别预警装置及识别预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109190591A true CN109190591A (zh) | 2019-01-11 |
Family
ID=64908741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811099330.5A Pending CN109190591A (zh) | 2018-09-20 | 2018-09-20 | 一种基于摄像头的前车识别预警装置及识别预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190591A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060904A (zh) * | 2019-12-25 | 2020-04-24 | 中国汽车技术研究中心有限公司 | 一种基于毫米波与视觉融合感知的盲区监测方法 |
CN113255612A (zh) * | 2021-07-05 | 2021-08-13 | 智道网联科技(北京)有限公司 | 前车起步提醒方法及系统、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937510A (zh) * | 2010-09-14 | 2011-01-05 | 南京信息工程大学 | 基于类Haar和AdaBoost分类器的快速增量学习方法 |
CN103832433A (zh) * | 2012-11-21 | 2014-06-04 | 中国科学院沈阳计算技术研究所有限公司 | 车道偏离及前车防碰撞报警系统及其实现方法 |
US20170240110A1 (en) * | 2015-03-18 | 2017-08-24 | Brennan T. Lopez-Hinojosa | Methods and systems for providing alerts to a connected vehicle driver and/or a passenger via condition detection and wireless communications |
CN107972662A (zh) * | 2017-10-16 | 2018-05-01 | 华南理工大学 | 一种基于深度学习的车辆前向碰撞预警方法 |
-
2018
- 2018-09-20 CN CN201811099330.5A patent/CN109190591A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937510A (zh) * | 2010-09-14 | 2011-01-05 | 南京信息工程大学 | 基于类Haar和AdaBoost分类器的快速增量学习方法 |
CN103832433A (zh) * | 2012-11-21 | 2014-06-04 | 中国科学院沈阳计算技术研究所有限公司 | 车道偏离及前车防碰撞报警系统及其实现方法 |
US20170240110A1 (en) * | 2015-03-18 | 2017-08-24 | Brennan T. Lopez-Hinojosa | Methods and systems for providing alerts to a connected vehicle driver and/or a passenger via condition detection and wireless communications |
CN107972662A (zh) * | 2017-10-16 | 2018-05-01 | 华南理工大学 | 一种基于深度学习的车辆前向碰撞预警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060904A (zh) * | 2019-12-25 | 2020-04-24 | 中国汽车技术研究中心有限公司 | 一种基于毫米波与视觉融合感知的盲区监测方法 |
CN111060904B (zh) * | 2019-12-25 | 2022-03-15 | 中国汽车技术研究中心有限公司 | 一种基于毫米波与视觉融合感知的盲区监测方法 |
CN113255612A (zh) * | 2021-07-05 | 2021-08-13 | 智道网联科技(北京)有限公司 | 前车起步提醒方法及系统、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190523B (zh) | 一种基于视觉的车辆检测跟踪预警方法 | |
CN104573646B (zh) | 基于激光雷达和双目相机的车前行人检测方法及系统 | |
CN107891808B (zh) | 行车提醒方法、装置及车辆 | |
CN103279741B (zh) | 一种基于车载红外图像的行人预警系统及其工作方法 | |
CN105488453B (zh) | 一种基于图像处理的驾驶员未系安全带检测识别方法 | |
CN106156725A (zh) | 一种基于车辆前方的行人及骑车人的识别预警系统的工作方法 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN104881661B (zh) | 基于结构相似度的车辆检测方法 | |
CN103593981B (zh) | 一种基于视频的车型识别方法 | |
CN110309764B (zh) | 一种基于深度学习的多阶段驾驶员打电话行为检测方法 | |
CN114639078A (zh) | 一种车型识别方法、装置和系统 | |
Bhowmick et al. | Stereo vision based pedestrians detection and distance measurement for automotive application | |
CN111553214A (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
WO2023020004A1 (zh) | 一种车辆距离探测方法、系统、设备及介质 | |
CN109190591A (zh) | 一种基于摄像头的前车识别预警装置及识别预警方法 | |
CN108694363A (zh) | 对车辆周围的行人进行检测的方法和装置 | |
Yi et al. | Safety belt wearing detection algorithm based on human joint points | |
Ju et al. | Vision-based moving objects detection for intelligent automobiles and a robustness enhancing method | |
CN108182385B (zh) | 一种用于智能交通系统的驾驶员安全带佩戴识别方法 | |
CN105787456A (zh) | 一种夜间远红外图像中的行人检测方法 | |
CN116639131A (zh) | 一种深度学习的电动汽车智能辅助驾驶方法 | |
CN104966064A (zh) | 基于视觉的前方行人测距方法 | |
CN103942541A (zh) | 一种基于车载视觉的盲区内电动车自动检测方法 | |
CN113548056A (zh) | 一种基于计算机视觉的汽车安全辅助驾驶系统 | |
CN110334608B (zh) | 一种车载图像的实时交通限速标志识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |