CN109829393B - 一种移动物体探测方法、装置及存储介质 - Google Patents

Abstract

本公开提供了一种移动物体探测方法、装置及存储介质。其中，该方法包括：获取目标车辆周围景物的图像帧，根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量，根据所述速度向量的方向角对所述速度向量进行聚类，根据聚类结果确定是否存在接近所述目标车辆的移动物体。采用本公开实施例，可以直接利用图像来低成本地准确探测接近所述目标车辆的移动物体。

Description

一种移动物体探测方法、装置及存储介质

技术领域

本公开涉及信息技术领域，尤其涉及一种移动物体探测方法、装置及存储介质。

背景技术

随着经济的发展，人们的生活水平不断提高，多样化的交通工具为人们的出行提供便利。在多种交通工具中，汽车由于其方便快捷，平均持有量逐年增长，逐渐成为人们的主要交通工具。

在汽车数量增加的同时，道路上事故频发，严重影响人们的日常生活和出行效率，甚至危害人们的生命安全。因此，行车安全问题逐步成为人们关注的焦点。如何对汽车周围的移动物体进行探测成为目前需要解决的技术问题。

现有技术中，通常通过毫米波雷达来探测接近汽车的物体，实施成本较高。

发明内容

有鉴于此，本公开提出了一种基于图像处理的移动物体监测方法、装置及存储介质，显著降低了实施成本。

根据本公开的一方面，提供了一种移动物体监测方法，包括：

获取目标车辆周围景物的图像帧；

根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量；

根据所述速度向量的方向角对所述速度向量进行聚类；

根据聚类结果确定是否存在接近所述目标车辆的移动物体。

在一种可能的实现方式中，所述获取目标车辆周围景物的图像帧，包括：

获取摄像装置以第一投影方式采集的第一图像帧；

若所述第一投影方式与预设投影方式不同，将所述第一图像帧根据预设投影方式变换，得到第二图像帧。

在一种可能的实现方式中，所述根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量，包括：

根据相邻所述图像帧的像素点的像素值，在所述像素点中确定至少一个特征点；

根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

在一种可能的实现方式中，所述根据相邻所述图像帧中所述特征点的像素坐标，确定所述特征点对应的速度向量，包括：

获取相邻所述图像帧中特征点对应第一像素点的像素坐标和亮度；

根据所述第一像素点的像素坐标，获取相邻图像帧中距离所述第一像素点预设像素点距离的第二像素点；

根据所述第一像素点的亮度和第二像素点的亮度确定所述特征点对应的速度向量。

在一种可能的实现方式中，所述根据所述速度向量的方向角对所述速度向量进行聚类，包括：

步骤A1，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量；

步骤A2，确定y_n,n∈[1,...,N]是否被划分至与y_n距离最短的类别，其中，y_n与类别C_i,i＝1,...,k间的距离ρ_i是基于y_n与类别C_i的均值m_i间的距离确定的；

步骤A3，如果y_n,n∈[1,...,N]未被划分至与y_n距离最短的类别，则将y_n重新划分至与y_n距离最短的类别；

步骤A4，当所有y_n,n＝1,...,N都被划分至与y_n距离最短的类别后，重新计算各个类别C_i,i＝1,...,k的均值m_i；

步骤A5，判断是否满足迭代结束条件，如果满足，则结束聚类；如果不满足，则再次执行步骤A2、步骤A3、步骤A4和步骤A5，直至满足迭代结束条件。

在一种可能的实现方式中，y_n与类别C_i间的距离ρ_i是通过下式得到的：

如果y_n被划分至类别C_i，则

如果y_n未被划分至类别C_i，则

其中，N_i表示类别C_i所包含的方向角的数量。

在一种可能的实现方式中，所述迭代结束条件为误差平方总和Je收敛：

其中，N_i表示类别C_i所包含的方向角的数量。

在一种可能的实现方式中，所述根据聚类结果确定是否存在接近所述目标车辆的移动物体，包括：

在类别C_i,i＝1,...,k的均值m_i中的至少一者在预设方向角范围内的情况下，确定存在接近所述目标车辆的移动物体。

根据本公开的另一方面，提供了一种移动物体探测装置，包括：

获取模块，用于获取目标车辆周围景物的图像帧；

第一确定模块，用于根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量；

聚类模块，用于根据所述速度向量的方向角对所述速度向量进行聚类；

第二确定模块，用于根据聚类结果确定是否存在接近所述目标车辆的移动物体。

在一种可能的实现方式中，所述获取模块包括：

第一获取子模块，用于获取摄像装置以第一投影方式采集的第一图像帧；

变换子模块，用于若所述第一投影方式与预设投影方式不同，将所述第一图像帧根据预设投影方式变换，得到第二图像帧。

在一种可能的实现方式中，所述第一确定模块包括：

第一确定子模块，用于根据相邻所述图像帧的像素点的像素值，在所述像素点中确定至少一个特征点；

第二确定子模块，用于根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

在一种可能的实现方式中，所述第二确定子模块包括：

第一获取单元，用于获取相邻所述图像帧中特征点对应第一像素点的像素坐标和亮度；

第二获取单元，用于根据所述第一像素点的像素坐标，获取相邻图像帧中距离所述第一像素点预设像素点距离的第二像素点；

确定单元，用于根据所述第一像素点的亮度和第二像素点的亮度确定所述特征点对应的速度向量。

在一种可能的实现方式中，所述根据所述速度向量的方向角对所述速度向量进行聚类，包括：

步骤A1，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量；

步骤A2，确定y_n,n∈[1,...,N]是否被划分至与y_n距离最短的类别，其中，y_n与类别C_i,i＝1,...,k间的距离ρ_i是基于y_n与类别C_i的均值m_i间的距离确定的；

步骤A3，如果y_n,n∈[1,...,N]未被划分至与y_n距离最短的类别，则将y_n重新划分至与y_n距离最短的类别；

步骤A4，当所有y_n,n＝1,...,N都被划分至与y_n距离最短的类别后，重新计算各个类别C_i,i＝1,...,k的均值m_i；

步骤A5，判断是否满足迭代结束条件，如果满足，则结束聚类；如果不满足，则再次执行步骤A2、步骤A3、步骤A4和步骤A5，直至满足迭代结束条件。

在一种可能的实现方式中，y_n与类别C_i间的距离ρ_i是通过下式得到的：

如果y_n被划分至类别C_i，则

如果y_n未被划分至类别C_i，则

其中，N_i表示类别C_i所包含的方向角的数量。

在一种可能的实现方式中，所述迭代结束条件为误差平方总和Je收敛：

其中，N_i表示类别C_i所包含的方向角的数量。

在一种可能的实现方式中，所述第二确定模块包括：

移动物体确定单元，用于在类别C_i,i＝1,...,k的均值m_i中的至少一者在预设方向角范围内的情况下，确定存在接近所述目标车辆的移动物体。

根据本公开的另一方面，提供了一种移动物体监测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的另一方面，提供了一种移动物体探测装置，包括用于执行如上所述的方法的操作的单元。

本公开实施例通过获取目标车辆周围景物的图像帧，可以根据相邻的图像帧的像素值，确定图像帧的至少一个特征点对应的速度向量，根据速度向量的方向角对所述速度向量进行聚类，并根据聚类结果确定是否存在接近所述目标车辆的移动物体。本公开实施例可以直接基于图像识别接近目标车辆的移动物体，相比于现有毫米波雷达探测，极大地节省了方案实施成本。此外，本公开的实施例还可准确探测用户盲区范围内的移动物体，为驾驶目标车辆的用户提供行车便利，减少交通事故的发生。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出了根据本公开一实施例的一种移动物体探测方法的流程图。

图2示出了根据本公开一实施例的确定特征点对应的速度向量过程的流程图。

图3示出了根据本公开一实施例的高斯金字塔的示意图。

图4示出了根据本公开一实施例的对速度向量以方向角为标准进行聚类的流程图。

图5示出了根据本公开一实施例的一种移动物体探测装置的示意图。

图6示出了根据本公开一实施例的一种移动物体探测装置的结构图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供的移动物体探测方案，可以获取目标车辆周围景物的图像帧，并根据相邻的图像帧的像素值，确定图像帧的至少一个特征点以及确定特征点所对应的速度向量。通过图像帧的像素值，可以快速地识别图像帧中的特征点，减少图像帧处理的时间。然后，可以根据确定的特征点所对应的速度向量确定速度向量的排序队列，并根据排序队列中首尾向量的比较确定目标车辆周围的移动物体，这样，可以对目标车辆周围的移动物体做出快速且准确地判断，实现方式简单，为用户的安全驾驶提供有效参考，减少交通事故的发生。

本公开实施例提供的移动物体探测方案，可以应用于任何需要对移动物体进行探测的场景，例如，应用于移动物体探测装置、车辆的安全驾驶系统等。本公开不对具体的应用场景进行限制，任何使用本公开提供的移动物体探测方案实现的具体实例，均在本公开的保护范围内。

下面，结合具体实施例对本公开提供的移动物体探测方案进行详细说明。

图1示出根据本公开一实施例的移动物体探测方法的流程图。该方法可以应用于终端设备，例如可以应用于车载终端、移动物体探测(MOD，MovingObject Detection)设备，也可以应用于网络设备，例如可以应用于安全驾驶平台等。如图1所示，该移动物体探测方法包括：

步骤S11，获取目标车辆周围景物的图像帧。

在本实施例中，可以通过摄像装置对目标车辆周围景物进行图像采集，进而获取目标车辆周围景物的图像帧。例如，目标车辆的车身上可以设置多个摄像装置，摄像装置可以实时对目标车辆周围景物进行拍摄。车载终端可以设置在目标车辆内，实时获取摄像装置传递的目标车辆周围景物的图像帧。

在一种可能的实现方式中，目标车辆周围景物的图像帧可以包括第一图像帧和第二图像帧。车载终端在获取目标车辆周围景物的图像帧时，可以获取摄像装置以第一投影方式采集的第一图像帧，若第一投影方式与预设投影方式不同，可以将第一图像帧根据预设投影方式变换，得到第二图像帧。例如，摄像装置可以通过鱼眼图像的第一投影方式采集第一图像帧，采集的第一图像帧是鱼眼图像帧。车载终端若判断摄像装置的第一投影方式与预设投影方式不同，在获取第一图像帧时，可以将第一图像帧转换为预设投影方式的第二图像帧。这里的预设投影方式可以是线性投影方式。

这里，在将第一投影方式采集的第一图像帧变换为预设投影方式的二图像帧时，由于投影方式不同，第一图像帧中的一些物体经过变换后可能会发生扭曲，从而这些物体也可以被识别出来。例如，鱼眼图像在经过投影变换之后，其中的树、栏杆等较高物体可能会发生扭曲，进而可以识别图像中较高的物体。

步骤S12，根据相邻的所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量。

在本实施例中，在获取目标车辆周围景物的图像帧之后，可以根据相邻图像帧的像素点的像素值，在像素点中确定至少一个特征点，然后根据相邻图像帧的特征点的像素坐标，确定特征点对应的速度向量。这里，每个特征点可以具有一个速度向量。

在一种实施方式中，在根据相邻图像帧的像素点的像素值，在像素点中确定至少一个特征点时，可以将任一像素点作为检测点，然后可以将检测点的像素值与检测点周围像素点的像素值进行对比，得到对比结果。然后可以根据对比结果确定检测点是否为特征点。例如，若检测点的像素值比连续个数的周围像素点的像素值均大于或均小于像素阈值，则可以确定检测点是特征点。否则，检测点不是特征点。

在一种实施方式中，在根据相邻的图像帧的特征点的像素坐标，确定特征点对应的速度向量时，可以根据同一个特征点分别在相邻的图像帧中的像素坐标，以及相邻图像帧之间的采集时间，确定特征点对应的速度向量。举例来说，若特征点A在第t图像帧的像素坐标是(x1，y1)，在第t+1图像帧的像素坐标是(x2，y2)，那么特征点A的速度向量(u，v)＝(x2，y2)-(x1，y1)。

步骤S13，根据所述速度向量的方向角对所述速度向量进行聚类。

在本实施例中，在确定图像帧的特征点所对应的速度向量之后，可以根据图像帧的特征点的速度向量的方向角对所述速度向量进行聚类。

在一种可能的实现方式中，可以通过下列步骤进行聚类：

步骤A1，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量；

步骤A2，确定y_n,n∈[1,...,N]是否被划分至与y_n距离最短的类别，其中，y_n与类别C_i,i＝1,...,k间的距离ρ_i是基于y_n与类别C_i的均值m_i间的距离确定的；

步骤A3，如果y_n,n∈[1,...,N]未被划分至与y_n距离最短的类别，则将y_n重新划分至与y_n距离最短的类别；

步骤A4，当所有y_n,n＝1,...,N都被划分至与y_n距离最短的类别后，重新计算各个类别C_i,i＝1,...,k的均值m_i；

步骤A5，判断是否满足迭代结束条件，如果满足，则结束聚类；如果不满足，则再次执行步骤A2、步骤A3、步骤A4和步骤A5，直至满足迭代结束条件。

选择较大k值可以降低数据的误差，但会增加过拟合的风险。合理地选择k值，有利于后续获取更有参考意义的聚类结果。可以根据实际业务需要来选择k值，或通过层次聚类(Hierarchical Clustering)的方法获得的类别数量作为选择k值的参考。

在一种可能的实现方式中，可以通过下式得到y_n与类别C_i间的距离ρ_i：

如果y_n被划分至类别C_i，则

如果y_n未被划分至类别C_i，则

其中，N_i表示类别C_i所包含的方向角的数量。

特别地，如果某个类别C_i当前只包含一个数据时，可知该数据与类别C_i的距离必然为0，因此无需通过上述公式计算该数据与类别C_i的距离，可直接跳过该数据，重新选择一个数据，并回到上述步骤2。

在一种可能的实现方式中，所述迭代结束条件可以为误差平方总和Je收敛：

其中，N_i表示类别C_i所包含的方向角的数量。

例如，如果当连续若干次迭代结束后的误差平方总和Je不改变，或者变化量小于阈值，则可认为误差平方总和Je收敛。

步骤S14，根据聚类结果确定是否存在接近所述目标车辆的移动物体。

通过聚类可将所述速度向量按照方向角分为多个类别。以车尾部的摄像头获取的图像为例，表示背景的特征点对应的速度向量应该指向远离目标车辆的方向，而表示正在企图超车的车辆的特征点对应的速度向量应该指向所述目标车辆的方向，因此可根据是否存在某个聚类其对应的方向角是指向所述目标车辆的，则可认为存在接近所述目标车辆的移动物体。

在一种可能的实现方式中，所述根据聚类结果确定是否存在接近所述目标车辆的移动物体，包括：

在类别C_i,i＝1,...,k的均值m_i中的至少一者在预设方向角范围内的情况下，确定存在接近所述目标车辆的移动物体。

例如，如果S11中获取了目标车辆后方的图像帧，可通过聚类将速度向量分为3个类别，如果其中某个类别的均值在第三象限或第四象限，即在(-180°，0)的范围内，则可认为存在接近所述目标车辆的移动物体，其中，(-180°，-90°)可表示从左后方接近所述目标车辆的移动物体，(-90°，0)可表示从右后方接近所述目标车辆的移动物体；如果某个类别的均值在第一象限或第二象限，即在(0，180°)的范围内，则对应的特征点可表示远离所述目标车辆的背景。

上述实施例中，通过获取目标车辆周围景物的图像帧，可以根据相邻的图像帧的像素值，确定图像帧的至少一个特征点对应的速度向量，根据速度向量的方向角对所述速度向量进行聚类，并根据聚类结果确定是否存在接近所述目标车辆的移动物体。本公开实施例可以直接基于图像识别接近目标车辆的移动物体，相比于现有毫米波雷达探测，极大地节省了方案实施成本。此外，本公开的实施例还可准确探测用户盲区范围内的移动物体，为驾驶目标车辆的用户提供行车便利，减少交通事故的发生。

在上述步骤S12中，可以根据相邻图像帧的像素值，确定图像帧的至少一个特征点对应的速度向量，从而可以根据速度向量确定图像帧中的移动物体。下面，结合一种可能的实现方式对确定图像帧的至少一个特征点对应的速度向量进行说明。

图2示出根据本公开一实施例的确定图像帧至少一个特征点对应的速度向量过程的流程图，包括：

步骤S121，根据相邻所述图像帧的像素点的像素值，在所述像素点中确定至少一个特征点。

这里，车载终端可将图像帧中的任一像素点作为检测点p，判断检测点p是否为特征点。对于检测点p，可以先确定距离检测点p预设像素点距离的像素点，然后获取像素点的像素值，例如，以检测点p为圆心，半径为3个像素点距离，可以确定一个圆，然后在圆上确定16个像素点。然后可以将检测点p的像素值img[p]与确定的像素点的像素值img[i]进行比较，判断确定的像素点中是否存在连续N个像素点i与检测点p的像素值之差均大于或均小于像素阈值threshold，即是否满足如下像素条件：

img[i]<img[p]-threshold，或者，img[i]>img[p]+threshold。其中，img[i]为像素点i的像素值，i为小于或等于N的正整数，N为正整数。

例如，在上述16个像素点中是否存在任意连续的10个像素点x，满足该判断条件。若存在，则检测点p是特征点。否则，检测点p不是特征点。

在一种实施方式中，在确定图像帧的至少一个特征点时，在判断检测点p满足像素条件之后，还可以进一步判断检测点p是否满足抑制条件，若检测点p还满足抑制条件，则可以确定检测点p是特征点，否则，检测点p不是特征点。这里，可以将满足像素条件的检测点称为候选特征点，相应地，抑制条件可以是在图像帧的预设像素面积区域内候选特征点的极大值得分最大，其中，极大值得分可以根据距离候选特征点预设像素点距离的像素点和候选特征点的像素值之差进行计算。例如，可以在3×3的预设像素面积区域内，确定满足像素条件的候选特征点，然后可以针对任一候选特征点，确定距离候选特征点3个像素点距离的16个像素点，然后分别计算候选特征点与16个像素点的像素值之差，然后将得到的16个像素值之差求绝对值后求和，得到候选特征点的极大值得分，并将极大值得分最大的候选特征点作为图像帧的特征点。

步骤S122，根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

在一些实施方式中，在确定特征点对应的速度向量时，可以获取相邻图像帧中特征点对应第一像素点的像素坐标和亮度，然后可以根据第一像素点的像素坐标，获取相邻图像帧中距离第一像素点预设像素点距离的第二像素点，再根据第一像素点的亮度和第二像素点的亮度确定特征点对应的速度向量。

举例来说，图像帧中的特征点对应的第一像素点的像素坐标是(x，y)，若扩展到三维空间，第一像素点的像素坐标是(x，y，z)。若在时间为t的第t图像帧中第一像素点的亮度为I(x，y，z，t)，在时间为t+δt的第t+1图像帧中第一像素点的亮度是I(x+δx，y+δy，z+δz，t+δt)，其中，I(x+δx，y+δy，z+δz，t+δt)满足以下公式：

其中，H.O.T.为高阶偏导数，在第一图像帧的移动足够小的情况下可以忽略。由于第一像素点在相邻图像帧中的亮度可以认为是不变的，那么可以认为：I(x，y，z，t)＝I(x+δx，y+δy，z+δz，t+δt)。进而可以等得到：

由上述方程变换可以得到：

其中，V_x,V_y,V_z可以分别表示I(x，y，z，t)中x、y、z的光流分量。

假设光流(Vx,Vy,Vz)在大小为m*m*m(m>1)的像素窗中是一个常数，那么根据像素点1至像素点n，可以得到下列一组方程：

其中，n＝m*m*m，Ix_n为像素点n在x方向上的亮度分量，Iy_n为像素点n在y方向上的亮度分量，Iz_n为像素点n在z方向上的亮度分量。

上述方程组可以表示为：

可以记作：

根据最小二乘法：

进而可以得到特征点的速度向量

此外，如果特征点在第一图像帧和第二图像帧的相对位移较大的情况下，可以建立高斯金字塔。高斯金字塔可以包括多层，顶层可以表示第一图像帧，底层可以表示第二图像帧。然后，从高斯金字塔的顶层开始估计下一图像帧中特征点所在的像素位置，并将每一层中特征点的像素位置作为下一层特征点的初始像素位置，沿着高斯金字塔的每一层向下搜索，直到到达金字塔的底层。图3示出了一种高斯金字塔的示意图，高斯金字塔可以包括3层，h1可以表示第一层与第二层所对应图像帧中特征点的速度向量，h2可以表示第二层与第三层所对应图像帧中特征点的速度向量。

在上述步骤S13中，可以根据所述速度向量的方向角对所述速度向量进行聚类。下面，结合一种可能的实现方式对此进行说明。

图4示出了根据本公开一实施例的对速度向量以方向角为标准进行聚类的流程图，包括：

步骤S131，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量。

如上所述，选择较大k值可以降低数据的误差，但会增加过拟合的风险。合理地选择k值，有利于后续获取更有参考意义的聚类结果。可以根据实际业务需要来选择k值，或通过层次聚类(Hierarchical Clustering)的方法获得的类别数量作为选择k值的参考。

可通过多种方法初始化k个类别。例如，可以根据问题的性质，基于经验确定类别数，从数据中找出直观上看来较合适的k个数据作为中心，然后根据一定规则将其他数据划分至k个中心对应的类别。例如，可以将全部数据随机分为k类，计算每一类的重心，将这些重心作为初始聚类中心。例如，可采用“密度”法选择初始聚类中心，即对每个数据确定大小相等的领域(如相同半径的球体)，统计落在其邻域的数据数，作为该点的密度，并选具有最大密度的数据作为第一个中心，然后在距离该中心一定距离外的区域内找具有次高密度的数据，以作为第二个中心，依次确定k个中心，然后根据一定规则将其他数据划分至k个中心对应的类别。例如，也可以基于(k-1)聚类划分的解来进行初始化，即先从一类别的解找两类别划分的中心，再依次增加类别中心，具体地，把全部数据先看作一个类别，计算其平均值，然后找与该均值距离最远的数据，由新找到的数据和原均值作为两个类别各自的中心，以同样方法基于已有的(k-1)个中心找一个数据，原则是该数据距离已有的(k-1)个中心的最小距离为最大，这样就可确定第k个中心，然后根据一定规则将其他数据划分至k个中心对应的类别。

步骤S132，选取待处理数据y_n,n∈[1,...,N]，设y_n当前被归类至类别C_m,m∈[1,...,k]。

步骤S133，如果N_m＝1，则跳到步骤S137；否则进入步骤S134。

N_m表示类别C_m所包含的数据的数量。

N_m＝1对应于类别C_m仅包含一个数据(即为y_n)的情况。由于待处理数据y_n为类别C_m中的唯一数据，则y_n必然为类别C_m的中心，所以，y_n与类别C_m间的距离为0，y_n与其他类别间的距离不可能比0更小，因此无需进一步计算y_n与各个类别间的距离。

步骤S134，计算待处理数据y_n与类别C_i,i＝1,...,k间的距离ρ_i,i＝1,...,k：

如果i＝m，则

如果i≠m，则

其中，m_i表示类别C_i的均值。

步骤S135，判断ρ_m是否是ρ_i,i＝1,...,k中最小的。

如果是，则跳到步骤S137；如果不是，则进入步骤S136，重新划分y_n至类别C_j，

j≠m。

步骤S137，本轮迭代是否已遍历所有y_n，,n＝1,...,N。

如果还未遍历所有y_n，n＝1,...,N，则跳回步骤S132，接下来选取待处理数据y_n时，应该从本轮迭代中尚未遍历的数据中选择；如果已遍历所有y_n，n＝1,...,N，则进入步骤S138，重新计算当前各个类别的均值m_i，i＝1,...,k。然后进入步骤S139，判断是否满足迭代结束条件，例如，判断误差平方总和Je是否已收敛。如果满足，则聚类过程结束；如果不满足，则跳回步骤S132，开始下一轮迭代，接下来选取的待处理数据y_n可以是所有待处理数据中的任意一者。

如上所述，步骤S137和步骤S139都有分支可回到步骤S132，但进入步骤S132后选取待处理数据y_n的方式略有不同。例如，设每轮迭代都可按照n从1到N的顺序依次处理所有y_n，则从步骤S137进入步骤S132时，取n＝n+1；从步骤S139进入步骤S132时，重置n＝1。

如图5所示，本公开实施例提供的移动物体探测装置50包括：获取模块51，用于获取目标车辆周围景物的图像帧；第一确定模块52，用于根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量；聚类模块53，用于根据所述速度向量的方向角对所述速度向量进行聚类；第二确定模块54，用于根据聚类结果确定是否存在接近所述目标车辆的移动物体。

在一个示例中，所述获取模块51包括：第一获取子模块，用于获取摄像装置以第一投影方式采集的第一图像帧；变换子模块，用于若所述第一投影方式与预设投影方式不同，将所述第一图像帧根据预设投影方式变换，得到第二图像帧。

在一个示例中，所述第一确定模块52包括，第一确定子模块，用于根据相邻所述图像帧的像素点的像素值，在所述像素点中确定至少一个特征点；第二确定子模块，用于根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

在一个示例中，所述第二确定子模块包括：第一获取单元，用于获取相邻所述图像帧中特征点对应第一像素点的像素坐标和亮度；第二获取单元，用于根据所述第一像素点的像素坐标，获取相邻图像帧中距离所述第一像素点预设像素点距离的第二像素点；确定单元，用于根据所述第一像素点的亮度和第二像素点的亮度确定所述特征点对应的速度向量。

在一个示例中，所述根据所述速度向量的方向角对所述速度向量进行聚类，包括：

步骤A1，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量；

步骤A2，确定y_n,n∈[1,...,N]是否被划分至与y_n距离最短的类别，其中，y_n与类别C_i,i＝1,...,k间的距离ρ_i是基于y_n与类别C_i的均值m_i间的距离确定的；

步骤A3，如果y_n,n∈[1,...,N]未被划分至与y_n距离最短的类别，则将y_n重新划分至与y_n距离最短的类别；

步骤A4，当所有y_n,n＝1,...,N都被划分至与y_n距离最短的类别后，重新计算各个类别C_i,i＝1,...,k的均值m_i；

步骤A5，判断是否满足迭代结束条件，如果满足，则结束聚类；如果不满足，则再次执行步骤A2、步骤A3、步骤A4和步骤A5，直至满足迭代结束条件。

在一个示例中，y_n与类别C_i间的距离ρ_i是通过下式得到的：

如果y_n被划分至类别C_i，则

如果y_n未被划分至类别C_i，则

其中，N_i表示类别C_i所包含的方向角的数量。

在一个示例中，所述迭代结束条件为误差平方总和Je收敛：

其中，N_i表示类别C_i所包含的方向角的数量。

在一个示例中，所述第二确定模块54包括：所述第二确定模块包括：移动物体确定单元，用于在类别C_i,i＝1,...,k的均值m_i中的至少一者在预设方向角范围内的情况下，确定存在接近所述目标车辆的移动物体。

上述移动物体探测装置，通过获取目标车辆周围景物的图像帧，可以根据相邻的图像帧的像素值，确定图像帧的至少一个特征点对应的速度向量，根据速度向量的方向角对所述速度向量进行聚类，并根据聚类结果确定是否存在接近所述目标车辆的移动物体。本公开实施例可以直接基于图像识别接近目标车辆的移动物体，相比于现有毫米波雷达探测，极大地节省了方案实施成本。此外，本公开的实施例还可准确探测用户盲区范围内的移动物体，为驾驶目标车辆的用户提供行车便利，减少交通事故的发生。

图6是根据一示例性实施例示出的一种用于探测移动物体的装置600的框图。例如，装置600可以是车载终端，移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，装置600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制装置600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当装置600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当装置600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为装置600提供各个方面的状态评估。例如，传感器组件614可以检测到装置600的打开/关闭状态，组件的相对定位，例如所述组件为装置600的显示器和小键盘，传感器组件614还可以检测装置600或装置600的一个组件的位置改变，用户与装置600接触的存在或不存在，装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代码。该程序具体可用于实现上述移动物体探测方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。所述计算机程序指令被处理器执行时实现上述移动物体探测方法。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种移动物体探测方法，其特征在于，包括：

获取目标车辆周围景物的图像帧；

根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量；

根据所述速度向量的方向角对所述速度向量进行聚类；

根据聚类结果确定是否存在接近所述目标车辆的移动物体；

在所述聚类结果中存在方向角指向所述目标车辆的聚类的情况下，确认存在接近所述目标车辆的移动物体；

所述根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量，包括：

针对预设像素面积区域内的像素点，将像素值比连续预设个数的周围像素点的像素值均大于或均小于像素阈值的至少一个像素点，确定为至少一个候选特征点；

针对所述至少一个候选特征点中的每一个，计算该候选特征点与距离该候选特征点预定像素点距离的像素点之间的像素值之差，将得到的像素值之差求绝对值后求和，得到候选特征点的极大值得分；

将所述至少一个候选特征点中极大值得分最大的候选特征点确定为特征点；

根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

2.根据权利要求1所述的移动物体探测方法，其特征在于，所述获取目标车辆周围景物的图像帧，包括：

获取摄像装置以第一投影方式采集的第一图像帧；

若所述第一投影方式与预设投影方式不同，将所述第一图像帧根据预设投影方式变换，得到第二图像帧。

3.根据权利要求1所述的移动物体探测方法，其特征在于，所述根据相邻所述图像帧中所述特征点的像素坐标，确定所述特征点对应的速度向量，包括：

获取相邻所述图像帧中特征点对应第一像素点的像素坐标和亮度；

根据所述第一像素点的像素坐标，获取相邻图像帧中距离所述第一像素点预设像素点距离的第二像素点；

根据所述第一像素点的亮度和第二像素点的亮度确定所述特征点对应的速度向量。

4.根据权利要求1所述的移动物体探测方法，其特征在于，所述根据所述速度向量的方向角对所述速度向量进行聚类，包括：

步骤A1，从所述图像帧的至少一个特征点对应的速度向量的方向角y_n,n＝1,...,N中确定k个初始聚类中心，并将y_n,n＝1,...,N划分至所述初始聚类中心对应的类别C_i,i＝1,...,k，N表示所述图像帧的至少一个特征点对应的速度向量的总数量；

步骤A2，确定y_n,n∈[1,...,N]是否被划分至与y_n距离最短的类别，其中，y_n与类别C_i,i＝1,...,k间的距离ρ_i是基于y_n与类别C_i的均值m_i间的距离确定的；

步骤A3，如果y_n,n∈[1,...,N]未被划分至与y_n距离最短的类别，则将y_n重新划分至与y_n距离最短的类别；

步骤A4，当所有y_n,n＝1,...,N都被划分至与y_n距离最短的类别后，重新计算各个类别C_i,i＝1,...,k的均值m_i；

步骤A5，判断是否满足迭代结束条件，如果满足，则结束聚类；如果不满足，则再次执行步骤A2、步骤A3、步骤A4和步骤A5，直至满足迭代结束条件。

5.根据权利要求4所述的移动物体探测方法，其特征在于，y_n与类别C_i间的距离ρ_i是通过下式得到的：

如果y_n被划分至类别C_i，则

如果y_n未被划分至类别C_i，则

其中，N_i表示类别C_i所包含的方向角的数量。

6.根据权利要求4或5所述的移动物体探测方法，其特征在于，所述迭代结束条件为误差平方总和Je收敛：

其中，N_i表示类别C_i所包含的方向角的数量。

7.根据权利要求4所述的方法，其特征在于，所述根据聚类结果确定是否存在接近所述目标车辆的移动物体，包括：

在类别C_i,i＝1,...,k的均值m_i中的至少一者在预设方向角范围内的情况下，确定存在接近所述目标车辆的移动物体。

8.一种移动物体探测装置，其特征在于，包括：

获取模块，用于获取目标车辆周围景物的图像帧；

第一确定模块，用于根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量；

聚类模块，用于根据所述速度向量的方向角对所述速度向量进行聚类；

第二确定模块，用于根据聚类结果确定是否存在接近所述目标车辆的移动物体；在所述聚类结果中存在方向角指向所述目标车辆的聚类的情况下，确认存在接近所述目标车辆的移动物体；

所述根据相邻所述图像帧的像素值，确定所述图像帧的至少一个特征点对应的速度向量，包括：

针对预设像素面积区域内的像素点，将像素值比连续预设个数的周围像素点的像素值均大于或均小于像素阈值的至少一个像素点，确定为至少一个候选特征点；

针对所述至少一个候选特征点中的每一个，计算该候选特征点与距离该候选特征点预定像素点距离的像素点之间的像素值之差，将得到的像素值之差求绝对值后求和，得到候选特征点的极大值得分；

将所述至少一个候选特征点中极大值得分最大的候选特征点确定为特征点；

根据相邻所述图像帧的所述特征点的像素坐标，确定所述特征点对应的速度向量。

9.一种移动物体探测装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1至7中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。

11.一种移动物体探测装置，包括用于执行权利要求1至7中任意一项所述的方法的操作的单元。

Images