CN111062231B - 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 - Google Patents
车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 Download PDFInfo
- Publication number
- CN111062231B CN111062231B CN201811207295.4A CN201811207295A CN111062231B CN 111062231 B CN111062231 B CN 111062231B CN 201811207295 A CN201811207295 A CN 201811207295A CN 111062231 B CN111062231 B CN 111062231B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bright spot
- light source
- gray
- area
- 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.)
- Active
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统。基于光强度动态的夜间车辆侦测方法,其亮点侦测步骤是驱动运算单元针对影像运算而侦测出影像的亮点。车灯判断步骤是驱动运算单元执行连通区域标记演算法而将相连通的亮点像素标记为连通区域值,然后依据亮点像素的面积大小或尺寸判断是否为车辆光源。光流滤除步骤是驱动运算单元执行光流法而求得车辆光源的移动速度,并滤除移动速度小于预设速度的车辆光源。距离估算步骤是驱动运算单元执行座标转换法而计算出未滤除的车辆光源与车辆之间的距离。借此,不但可取得较准确的车灯位置,还可提升数据处理的速度。
Description
技术领域
本发明是关于一种车辆侦测方法及其系统,特别是关于一种即时有效的车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统。
背景技术
前方碰撞预警系统(Forward Collision Warning;FCW)是先利用车道线辨识方法辨识出影像中的车道线,再透过车辆辨识方法判断驾驶车辆与前方车辆的相对距离是否有在安全范围内。
一般常见的车辆辨识方法是以分类器进行训练后,取得分类器的相关参数,再使用此组参数进行车辆侦测,例如类神经演算法、深度学习等等。虽然此种车辆辨识可辨识出前方车辆,但其演算法较为复杂,且因夜间光线昏暗,使得影像上车辆特征较少,导致侦测效率较差。
由此可知,目前此领域上缺乏一种复杂度低、可即时侦测且高准确度的夜间车辆侦测方法及其系统,故相关研究者均在寻求其解决之道。
发明内容
因此,本发明的目的在于提供一种车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统,其使用基础影像处理方法侦测出车灯亮点,并结合光流法滤除非本车道的噪声,不但可即时地取得较准确的车灯位置,还能解决习知车辆侦测技术中演算法较为复杂导致侦测效率较差的问题。
依据本发明的方法态样的一实施方式提供一种基于光强度动态的夜间车辆侦测方法,其包含亮点侦测步骤、车灯判断步骤、光流滤除步骤以及距离估算步骤。其中亮点侦测步骤是透过摄影机撷取影像,并驱动运算单元针对影像运算而侦测出影像的亮点,亮点包含多个亮点像素,摄影机与运算单元设于驾驶车辆。车灯判断步骤是驱动运算单元执行一连通区域标记演算法而将相连通的亮点像素标记为连通区域值,然后执行一面积筛选法而分析具有连通区域值的亮点像素的面积,并依据面积的大小判断具有连通区域值的亮点像素是否为车辆光源。再者,光流滤除步骤是驱动运算单元执行一光流法而求得车辆光源的移动速度,并滤除移动速度小于预设速度的车辆光源。距离估算步骤是驱动运算单元执行一座标转换法而计算出未滤除的车辆光源与摄影机之间的距离。亮点侦测步骤包含直方图均值化步骤,直方图均值化步骤是依据影像的多个灰阶值统计出各灰阶值的出现次数,并依据出现次数改变这些灰阶值而产生多个均值化灰阶值。
借此,本发明的基于光强度动态的夜间车辆侦测方法使用影像处理方法侦测出车灯亮点,并结合光流法滤除非本车道的噪声,可即时地取得较准确的车灯位置。此外,本发明所侦测的前方车辆不仅限于汽车,可侦测机车或有发亮的光源载具。
前述实施方式的其他实施例如下:前述亮点侦测步骤还可包含亮度特征撷取步骤,亮度特征撷取步骤是设定一灰阶亮度门槛值,并依据灰阶亮度门槛值撷取出各亮点像素的亮度较灰阶亮度门槛值大者。
前述实施方式的其他实施例如下:前述直方图均值化步骤可包含一累积分配函数,此累积分配函数用以改变这些灰阶值。累积分配函数包含灰阶值、出现次数、灰阶层次及均值化灰阶值。灰阶值表示为i,出现次数表示为ni,灰阶层次表示为L,均值化灰阶值表示为Ti,累积分配函数符合下式:
前述实施方式的其他实施例如下:在前述亮点侦测步骤中,运算单元可依据这些亮点像素的一颜色判断这些亮点像素是否为车辆光源。当颜色为红色时,运算单元判断这些亮点像素为车辆光源,且车辆光源为车尾灯;当颜色为白色时,运算单元判断这些亮点像素为车辆光源,且车辆光源为车头灯。
前述实施方式的其他实施例如下:在前述车灯判断步骤中,运算单元可执行连通区域标记演算法而将多个各自相连通的亮点像素分别标记为多个连通区域值,然后执行面积筛选法而分析具有各连通区域值的亮点像素的面积,并依据面积的大小判断具有各连通区域值的亮点像素是否为车辆光源。
前述实施方式的其他实施例如下:在前述车灯判断步骤中,运算单元可执行一面积比例分析法而分析具有连通区域值的亮点像素的一面积比例,然后依据面积比例判断具有连通区域值的亮点像素是否为车辆光源。
依据本发明的结构态样的一实施方式提供一种使用前述的基于光强度动态的夜间车辆侦测系统,其包含摄影机与运算单元。其中摄影机设于驾驶车辆,摄影机撷取影像。运算单元设于驾驶车辆,且运算单元包含亮点侦测模块、车灯判断模块、光流滤除模块以及距离估算模块。亮点侦测模块信号连接摄影机,亮点侦测模块是针对影像运算而侦测出影像的亮点,亮点包含多个亮点像素。车灯判断模块信号连接亮点侦测模块,车灯判断模块是执行一连通区域标记演算法而将相连通的亮点像素标记为一连通区域值,然后车灯判断模块执行一面积筛选法而分析具有连通区域值的亮点像素的面积,并依据面积的大小判断具有连通区域值的亮点像素是否为车辆光源。此外,光流滤除模块信号连接车灯判断模块,光流滤除模块是执行一光流法而求得车辆光源的移动速度,并滤除移动速度小于预设速度的车辆光源。距离估算模块信号连接光流滤除模块,距离估算模块是执行一座标转换法而计算出未滤除的车辆光源与摄影机之间的距离。亮点侦测模块可依据影像的多个灰阶值统计出各灰阶值的出现次数,并依据出现次数改变这些灰阶值而产生多个均值化灰阶值。
借此,本发明的夜间车辆侦测系统透过影像处理方法可大幅降低复杂度,其与习知的分类器相比较为简单,可提升数据处理的速度。
前述实施方式的其他实施例如下:前述亮点侦测模块设定一灰阶亮度门槛值,并依据灰阶亮度门槛值撷取出各亮点像素的亮度较灰阶亮度门槛值大者。
前述实施方式的其他实施例如下:前述亮点侦测模块可执行一累积分配函数,此累积分配函数用以改变灰阶值。累积分配函数包含灰阶值、出现次数、灰阶层次及均值化灰阶值,灰阶值表示为i,出现次数表示为ni,灰阶层次表示为L,均值化灰阶值表示为Ti,累积分配函数符合下式:
前述实施方式的其他实施例如下:前述运算单元可依据亮点像素的颜色判断亮点像素是否为车辆光源。当颜色为红色时,运算单元判断亮点像素为车辆光源,且车辆光源为车尾灯;当颜色为白色时,运算单元判断亮点像素为车辆光源,且车辆光源为车头灯。
前述实施方式的其他实施例如下:前述车灯判断模块可执行连通区域标记演算法而将多个各自相连通的亮点像素分别标记为多个连通区域值,然后执行面积筛选法而分析具有各连通区域值的亮点像素的面积,并依据面积的大小判断具有各连通区域值的亮点像素是否为车辆光源。
前述实施方式的其他实施例如下:前述车灯判断模块可执行一面积比例分析法而分析具有连通区域值的亮点像素的一面积比例,然后依据面积比例判断具有连通区域值的亮点像素是否为车辆光源。
依据本发明的方法态样的另一实施方式提供一种车辆侦测方法,其用以侦测影像中的前方车辆。车辆侦测方法包含影像分析步骤与车辆侦测步骤,其中影像分析步骤是透过一摄影机撷取影像,并驱动一运算单元分析影像的一天空区域的一天空亮度值,并比对一预设亮度值与天空亮度值而判断影像处于一日间时段或一夜间时段。摄影机与运算单元设于驾驶车辆。车辆侦测步骤是驱动运算单元执行一日间车辆侦测步骤或一夜间车辆侦测步骤。当影像处于日间时段,执行日间车辆侦测步骤;当影像处于夜间时段,执行夜间车辆侦测步骤。日间车辆侦测步骤是透过一前方碰撞预警演算法侦测前方车辆与摄影机之间的距离。夜间车辆侦测步骤包含亮点侦测步骤、车灯判断步骤、光流滤除步骤以及距离估算步骤。其中亮点侦测步骤是驱动运算单元针对影像运算而侦测出影像的亮点,亮点包含多个亮点像素。车灯判断步骤是驱动运算单元执行一连通区域标记演算法而将相连通的亮点像素标记为连通区域值,然后执行一面积筛选法而分析具有连通区域值的亮点像素的面积,并依据面积的大小判断具有连通区域值的亮点像素是否为车辆光源。再者,光流滤除步骤是驱动运算单元执行一光流法而求得车辆光源的移动速度,并滤除移动速度小于预设速度的车辆光源。距离估算步骤是驱动运算单元执行一座标转换法而计算出未滤除的车辆光源与摄影机之间的距离。亮点侦测步骤包含直方图均值化步骤,直方图均值化步骤是依据影像的多个灰阶值统计出各灰阶值的出现次数,并依据出现次数改变这些灰阶值而产生多个均值化灰阶值。
借此,本发明的车辆侦测方法可依据影像的内容适应性地选择车辆侦测步骤,因此无论日间或夜间均可即时地取得较准确的车灯位置。
前述实施方式的其他实施例如下:在前述影像分析步骤中,天空区域位于一预设天际线之上。当天空亮度值大于等于预设亮度值时,运算单元判断影像处于日间时段。当天空亮度值小于预设亮度值时,运算单元判断影像处于夜间时段。
前述实施方式的其他实施例如下:前述亮点侦测步骤还可包含亮度特征撷取步骤,亮度特征撷取步骤是设定一灰阶亮度门槛值,并依据灰阶亮度门槛值撷取出各亮点像素的亮度较灰阶亮度门槛值大者。
前述实施方式的其他实施例如下:前述直方图均值化步骤可包含一累积分配函数,此累积分配函数用以改变这些灰阶值。累积分配函数包含灰阶值、出现次数、灰阶层次及均值化灰阶值。灰阶值表示为i,出现次数表示为ni,灰阶层次表示为L,均值化灰阶值表示为Ti,累积分配函数符合下式:
前述实施方式的其他实施例如下:在前述亮点侦测步骤中,运算单元可依据亮点像素的一颜色判断亮点像素是否为车辆光源。当颜色为红色时,运算单元判断亮点像素为车辆光源,且此车辆光源为车尾灯。当颜色为白色时,运算单元判断亮点像素为车辆光源,且此车辆光源为车头灯。
前述实施方式的其他实施例如下:在前述车灯判断步骤中,运算单元可执行连通区域标记演算法而将多个各自相连通的亮点像素分别标记为多个连通区域值,然后执行面积筛选法而分析具有各连通区域值的亮点像素的面积,并依据面积的大小判断具有各连通区域值的亮点像素是否为车辆光源。
前述实施方式的其他实施例如下:在前述车灯判断步骤中,运算单元可执行一面积比例分析法而分析具有连通区域值的亮点像素的一面积比例,然后依据面积比例判断具有连通区域值的亮点像素是否为车辆光源。
附图说明
图1是绘示本发明一实施例的基于光强度动态的夜间车辆侦测方法的流程示意图;
图2是绘示图1实施例中驾驶车辆与前方车辆行驶间的示意图;
图3是绘示本发明另一实施例的基于光强度动态的夜间车辆侦测方法的流程示意图;
图4是绘示图3实施例中直方图均值化步骤的示意图;
图5是绘示图3实施例中连通区域标记演算法的示意图;
图6是绘示图3实施例中面积筛选法的示意图;
图7是绘示图3的基于光强度动态的夜间车辆侦测方法中摄影机撷取的影像;
图8是绘示图7的影像转成灰阶影像;
图9是绘示图8的灰阶影像经由直方图均值化步骤所得到的均值化影像;
图10是绘示图9的均值化影像经由亮度特征撷取步骤所得到的亮度筛选影像;
图11是绘示图10的亮度筛选影像经由连通区域标记演算法所得到的连通区域标记影像;
图12是绘示图11的连通区域标记影像经由面积筛选法与面积比例分析法所得到的车灯候选影像;
图13A是绘示图12的车灯候选影像经由光流滤除步骤与距离估算步骤所得到的距离估算影像;
图13B是绘示图13A的距离估算影像的左边车辆光源的距离深度;
图13C是绘示图13A的距离估算影像的右边车辆光源的距离深度;
图14是绘示本发明又一实施例的基于光强度动态的夜间车辆侦测系统的方块示意图;以及
图15是绘示本发明再一实施例的车辆侦测方法的流程示意图。
具体实施方式
以下将参照附图说明本发明的多个实施例。为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明部分实施例中,这些实务上的细节是非必要的。此外,为简化附图起见,一些习知惯用的结构与元件在附图中将以简单示意的方式绘示;并且重复的元件将可能使用相同的编号表示。
此外,本文中当某一元件(或单元或模块等)“连接”于另一元件,可指所述元件是直接连接于另一元件,亦可指某一元件是间接连接于另一元件,意即,有其他元件介于所述元件及另一元件之间。而当有明示某一元件是“直接连接”于另一元件时,才表示没有其他元件介于所述元件及另一元件之间。而第一、第二、第三等用语只是用来描述不同元件,而对元件本身并无限制,因此,第一元件亦可改称为第二元件。且本文中的元件/单元/模块的组合非此领域中的一般周知、常规或习知的组合,不能以元件/单元/模块本身是否为习知,来判定其组合关系是否容易被技术领域中的通常知识者轻易完成。
请一并参阅图1与图2,图1是绘示本发明一实施例的基于光强度动态的夜间车辆侦测方法100的流程示意图。图2是绘示图1实施例中驾驶车辆110a与前方车辆110b行驶间的示意图。如图所示,此基于光强度动态的夜间车辆侦测方法100用以侦测夜间中驾驶车辆110a的摄影机300与前方车辆110b之间的距离Y,基于光强度动态的夜间车辆侦测方法100包含亮点侦测步骤S12、车灯判断步骤S14、光流滤除步骤S16以及距离估算步骤S18。
亮点侦测步骤S12是透过一摄影机300撷取一影像,并驱动一运算单元400针对影像运算而侦测出影像的亮点。亮点包含多个亮点像素,摄影机300与运算单元400均设于驾驶车辆110a。车灯判断步骤S14是驱动运算单元400执行一连通区域标记演算法而将相连通的亮点像素标记为连通区域值,然后执行一面积筛选法而分析具有连通区域值的亮点像素的面积,并依据面积的大小判断具有连通区域值的亮点像素是否为车辆光源。此外,光流滤除步骤S16是驱动运算单元400执行一光流法而求得车辆光源的移动速度Vb,并滤除移动速度Vb小于预设速度的车辆光源。驾驶车辆110a与前方车辆110b分别具有移动速度Va与移动速度Vb。而距离估算步骤S18是驱动运算单元400执行一座标转换法而计算出未滤除的车辆光源(即车尾灯)与摄影机300之间的距离Y。借此,本发明的基于光强度动态的夜间车辆侦测方法100使用影像处理方法侦测出车灯亮点,并结合光流法滤除非本车道的噪声,可即时地取得较准确的车灯位置。此外,本发明透过影像处理方法可大幅降低复杂度,其与习知的分类器(如:Radial Basis Function(RBF)或Support Vector Machine(SVM))相比较为简单,可提升数据处理的速度。另外,本发明所侦测的前方车辆110b不仅限于汽车,可侦测机车或有发亮的光源载具。以下将透过另一实施例详细说明各步骤的细节。
请一并参阅图1、图2、图3及图4、图5、图6、图7、图8、图9、图10、图11、图12、图13A、图13B以及图13C。其中图3是绘示本发明另一实施例的基于光强度动态的夜间车辆侦测方法100a的流程示意图;图4是绘示图3实施例中直方图均值化步骤S222的示意图;图5是绘示图3实施例中连通区域标记演算法S242的示意图;图6是绘示图3实施例中面积筛选法S244的示意图;图7是绘示图3的基于光强度动态的夜间车辆侦测方法100a中摄影机300撷取的影像120;图8是绘示图7的影像120转成的灰阶影像130;图9是绘示图8的灰阶影像130经由直方图均值化步骤S222所得到的均值化影像140;图10是绘示图9的均值化影像140经由亮度特征撷取步骤S224所得到的亮度筛选影像150;图11是绘示图10的亮度筛选影像150经由连通区域标记演算法S242所得到的连通区域标记影像160;图12是绘示图11的连通区域标记影像160经由面积筛选法S244与面积比例分析法S246所得到的车灯候选影像170;图13A是绘示图12的车灯候选影像170经由光流滤除步骤S26与距离估算步骤S28所得到的距离估算影像190;图13B是绘示图13A的距离估算影像190的左边车辆光源192的距离深度(X,Y);以及图13C是绘示图13A的距离估算影像190的右边车辆光源194的距离深度(X,Y)。如图所示,基于光强度动态的夜间车辆侦测方法100a用以侦测夜间中驾驶车辆110a的摄影机300与前方车辆110b之间的距离Y,基于光强度动态的夜间车辆侦测方法100a包含亮点侦测步骤S22、车灯判断步骤S24、光流滤除步骤S26以及距离估算步骤S28。
亮点侦测步骤S22是透过摄影机300撷取影像120,并驱动运算单元400针对影像120运算而侦测出影像120的亮点。亮点包含多个亮点像素,摄影机300与运算单元400均设于驾驶车辆110a。详细地说,亮点侦测步骤S22包含直方图均值化步骤S222与亮度特征撷取步骤S224,其中直方图均值化步骤S222是依据影像120的多个灰阶值i统计出各灰阶值的一出现次数ni,并依据出现次数ni改变灰阶值而产生多个均值化灰阶值Ti。而亮度特征撷取步骤S224是设定一灰阶亮度门槛值T1,并依据灰阶亮度门槛值T1撷取出各亮点像素的亮度较灰阶亮度门槛值T1大者。再者,直方图均值化步骤S222包含一统计直方分布、一机率密度函数、一累积分配函数以及一查找表(Lookup Table)映射。其中统计直方分布系统计灰阶影像130中灰阶值i的出现次数ni。机率密度函数是计算出现次数ni的机率密度ni/n。累积分配函数是用以改变灰阶值而输出均值化灰阶值Ti。查找表映射是将均值化灰阶值Ti四舍五入。累积分配函数包含灰阶值i、出现次数ni、灰阶层次L及均值化灰阶值Ti,且累积分配函数符合下列式(1):
举例说明如下,表一显示4位元灰阶影像130分别经统计直方分布、机率密度函数、累积分配函数以及查找表映射所得到的数值,而图4则绘示影像灰阶值于直方图均值化步骤S222前后的分布示意图。由表一与图4可知,本发明的直方图均值化步骤S222可以让原本集中于同一区段的灰阶值i的分布变成较为分散的分布。
表一
另外,在亮点侦测步骤S22中,运算单元400依据亮点像素的颜色判断亮点像素是否为车辆光源,甚至可用以判断车辆光源是车头灯或车尾灯。当亮点像素的颜色为红色时,运算单元400判断这些亮点像素为车辆光源,且车辆光源为车尾灯。当亮点像素的颜色为白色时,运算单元400判断这些亮点像素为车辆光源,且车辆光源为车头灯。
车灯判断步骤S24是驱动运算单元400执行一连通区域标记演算法S242而将相连通的亮点像素标记为连通区域值,然后执行一面积筛选法S244而分析具有连通区域值的亮点像素的面积,并依据面积的大小判断具有连通区域值的亮点像素是否为车辆光源。其中连通区域标记演算法S242是将亮度筛选影像150中具有相连通的亮点像素标记为同一个连通区域值而视为同一连通区域,然后产生连通区域标记影像160,如图5所示。而面积筛选法S244是筛选连通区域标记影像160中各连通区域的面积小于预设面积阀值者。若具有连通区域值的亮点像素的面积大于等于一预设面积阀值,则运算单元400判断具有连通区域值的亮点像素是车辆光源,并将之保留;反之,若具有连通区域值的亮点像素的面积小于预设面积阀值,则运算单元400判断具有连通区域值的亮点像素不是车辆光源,并将之剔除,如图6所示。
此外,在车灯判断步骤S24中,运算单元400可执行连通区域标记演算法S242而将多个各自相连通的亮点像素分别标记为多个连通区域值,然后执行面积筛选法S244而分析具有各连通区域值的亮点像素的面积,并依据面积的大小判断具有各连通区域值的亮点像素是否为车辆光源。借此,本发明可分别判断多个不同区域的亮点。
另外,在车灯判断步骤S24中,运算单元400可执行一面积比例分析法S246而分析具有连通区域值的亮点像素的一面积比例,然后依据面积比例判断具有连通区域值的亮点像素是否为车辆光源。详细地说,若具有连通区域值的亮点像素的长宽比例小于等于一预设面积比例,则运算单元400判断具有连通区域值的亮点像素是车辆光源,并将之保留;反之,若具有连通区域值的亮点像素的长宽比例大于预设面积比例,则运算单元400判断具有连通区域值的亮点像素不是车辆光源,并将之剔除。
光流滤除步骤S26是驱动运算单元400执行一光流法S262而求得车辆光源的移动速度Vb,并滤除移动速度Vb小于预设速度的车辆光源。详细地说,光流滤除步骤S26包含光流法S262与动态光源确认步骤S264,其中光流法S262定义为连续影像平面中各个像素的亮度梯度变化。在空间中车辆光源投影于影像平面上,其像素的亮度会基于亮度守恒;也就是说,一个像素(Pi,Pj)在相邻两张影像中,其虽移动至不同的位置,但亮度仍是固定的,如下列式(2)所示:
I(i,j,t)=I(i+δi,j+δj,t+δt) (2)。
其中,I代表亮度,i、j代表像素(Pi,Pj)的位置座标,δi、δj代表像素(Pi,Pj)的移动向量,δt代表时间变化。在亮度守恒的条件下,光流(即车辆光源的移动速度Vb)可透过泰勒展开式与微分求解而得知,如下列式(3)所示:
其中,u、v分别代表像素(Pi,Pj)于水平方向与垂直方向的移动速度,至于泰勒展开式与微分求解的计算细节属习知技术,故不再赘述。再者,动态光源确认步骤S264是依据移动速度Vb与一预设静态速度值判断车辆光源是否为动态光源。若移动速度Vb小于等于预设静态速度,则运算单元400判断车辆光源不是动态光源而是噪声,并将之剔除;反之,若移动速度Vb大于预设静态速度,则运算单元400判断车辆光源是动态光源,并将之保留。另外值得一提的是,驾驶车辆110a与前方车辆110b分别具有移动速度Va与移动速度Vb。本发明是利用驾驶车辆110a上装设的摄影机300与运算单元400来侦测前方车辆110b的车辆光源。假设移动速度Va为已知,且移动速度Vb透过上述的光流滤除步骤S26得知,则运算单元400可依据移动速度Va与移动速度Vb之间的相对速度来判断车辆光源是车头灯或车尾灯。若相对速度大于一预设同向移动速度,运算单元400判断车辆光源是车头灯;反之,若相对速度小于等于预设同向移动速度,则运算单元400判断车辆光源是车尾灯。
距离估算步骤S28是驱动运算单元400执行一座标转换法而计算出未滤除的车辆光源与摄影机300之间的距离Y。其中座标转换法是透过摄影机300的高度、道路平行线消失点座标、摄影机300的焦距的x轴比例系数以及摄影机300的焦距的y轴比例系数,将影像中属于动态光源的车辆光源的位置座标转换而计算出前方车辆110b的车辆光源的距离深度(X,Y),其中距离X代表车辆光源相对于摄影机300正前方的左右相隔间距,距离Y代表车辆光源相对于摄影机300正前方的前后相隔间距。至于座标转换法的计算细节属习知技术,故不再赘述。
请一并参阅图1、图2、图3、图7及图14,其中图14是绘示本发明又一实施例的基于光强度动态的夜间车辆侦测系统200的方块示意图。如图所示,基于光强度动态的夜间车辆侦测系统200使用前述基于光强度动态的夜间车辆侦测方法100、100a,且基于光强度动态的夜间车辆侦测系统200包含摄影机300及运算单元400。
摄影机300设于驾驶车辆110a,摄影机300撷取影像120。摄影机300可依据环境参数调整角度及收光效果,环境参数包含环境亮度、日夜间侦测等。
运算单元400设于驾驶车辆110a,且运算单元400包含亮点侦测模块410、车灯判断模块420、光流滤除模块430以及距离估算模块440。其中亮点侦测模块410信号连接摄影机300,亮点侦测模块410是针对影像120运算而侦测出影像120的一亮点,亮点包含多个亮点像素。亮点侦测模块410用以执行亮点侦测步骤S12、S22。车灯判断模块420信号连接亮点侦测模块410,车灯判断模块420是执行一连通区域标记演算法S242而将相连通的亮点像素标记为一连通区域值,然后车灯判断模块420执行一面积筛选法S244而分析具有连通区域值的亮点像素的一面积,并依据面积的大小判断具有连通区域值的亮点像素是否为一车辆光源。车灯判断模块420用以执行车灯判断步骤S14、S24。再者,光流滤除模块430信号连接车灯判断模块420,光流滤除模块430是执行一光流法S262而求得车辆光源的移动速度Vb,并滤除移动速度Vb小于一预设速度的车辆光源。光流滤除模块430用以执行光流滤除步骤S16、S26。距离估算模块440信号连接光流滤除模块430,距离估算模块440是执行一座标转换法而计算出未滤除的车辆光源与摄影机300之间的距离Y。距离估算模块440用以执行距离估算步骤S18、S28。此外,运算单元400可为个人计算机、电子控制单元(ElectronicControl Unit;ECU)、微处理器或其他电子运算处理器。而本实施例的运算单元400是使用电子控制单元作为运算平台。借此,本发明的基于光强度动态的夜间车辆侦测系统200透过影像处理方法可大幅降低复杂度,其与习知的分类器相比较为简单,可提升数据处理的速度。
请一并参阅图1、图2、图3、图7及图15,其中图15是绘示本发明再一实施例的车辆侦测方法500的流程示意图。车辆侦测方法500用以侦测影像中的前方车辆110b,车辆侦测方法500包含影像分析步骤510与车辆侦测步骤520。
影像分析步骤510是透过摄影机300撷取影像,并驱动运算单元400分析影像的一天空区域的一天空亮度值,并比对一预设亮度值与天空亮度值而判断影像处于一日间时段或一夜间时段。摄影机300与运算单元400均设于驾驶车辆110a。
车辆侦测步骤520是驱动运算单元400执行一日间车辆侦测步骤600或一夜间车辆侦测步骤700。当影像处于日间时段,执行日间车辆侦测步骤600;当影像处于夜间时段,执行夜间车辆侦测步骤700。详细地说,日间车辆侦测步骤600是透过一前方碰撞预警演算法610(Forward Collision Warning;FCW)侦测前方车辆110b与摄影机300之间的距离Y。前方碰撞预警演算法610是先利用车道线辨识方法辨识出影像中的车道线,再透过前方车辆辨识方法判断驾驶车辆110a与前方车辆110b的相对距离是否有在安全范围内。前方车辆辨识方法是利用边缘侦测从影像中找出前方车辆110b的特征,例如:车辆阴影(水平边缘)、车辆的对称边(垂直边缘)。经由边缘侦测可将车辆特征找出来归类为一物件,再针对此物件进行车宽及车高的判断,以确定是否为车辆,找出前方车辆110b于画面上的像素位置。最后,经由前方车距估测模型,可估算出驾驶车辆110a与前方车辆110b的距离。至于前方车距估测模型的细节属习知技术,故不再赘述。此外,夜间车辆侦测步骤700包含亮点侦测步骤S12、车灯判断步骤S14、光流滤除步骤S16及距离估算步骤S18,其分别对应图1的亮点侦测步骤S12、车灯判断步骤S14、光流滤除步骤S16及距离估算步骤S18,其细节不再赘述。借此,本发明的车辆侦测方法500可依据影像的内容适应性地选择车辆侦测步骤,因此无论日间或夜间均可即时地取得较准确的车灯位置。
由上述实施方式可知,本发明具有下列优点:其一,本发明的基于光强度动态的夜间车辆侦测方法使用影像处理方法侦测出车灯亮点,并结合光流法滤除非本车道的噪声,可即时地取得较准确的车灯位置。其二,本发明的夜间车辆侦测系统透过影像处理方法可大幅降低复杂度,其与习知的分类器相比较为简单,可提升数据处理的速度。其三,本发明的车辆侦测方法可依据影像的内容适应性地选择车辆侦测步骤,因此无论日间或夜间均可即时地取得较准确的车灯位置。其四、本发明所侦测的前方车辆不仅限于汽车,可侦测机车或有发亮的光源载具。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (19)
1.一种基于光强度动态的夜间车辆侦测方法,其特征在于,包含以下步骤:
一亮点侦测步骤,是透过一摄影机撷取一影像,并驱动一运算单元针对该影像运算而侦测出该影像的一亮点,该亮点包含多个亮点像素,该摄影机与该运算单元设于一驾驶车辆;
一车灯判断步骤,是驱动该运算单元执行一连通区域标记演算法而将相连通的所述多个亮点像素标记为一连通区域值,然后执行一面积筛选法而分析具有该连通区域值的所述多个亮点像素的一面积,并依据该面积的大小判断具有该连通区域值的所述多个亮点像素是否为一车辆光源;
一光流滤除步骤,是驱动该运算单元执行一光流法而求得该车辆光源的一移动速度,并滤除该移动速度小于一预设速度的该车辆光源;以及
一距离估算步骤,是驱动该运算单元执行一座标转换法而计算出未滤除的该车辆光源与该摄影机之间的一距离;
其中该亮点侦测步骤包含:
一直方图均值化步骤,是依据该影像的多个灰阶值统计出各该灰阶值的一出现次数,并依据所述出现次数改变所述多个灰阶值而产生多个均值化灰阶值。
2.根据权利要求1所述的基于光强度动态的夜间车辆侦测方法,其特征在于,该亮点侦测步骤还包含:
一亮度特征撷取步骤,是设定一灰阶亮度门槛值,并依据该灰阶亮度门槛值撷取出各该亮点像素的亮度较该灰阶亮度门槛值大者。
4.根据权利要求1所述的基于光强度动态的夜间车辆侦测方法,其特征在于,
在该亮点侦测步骤中,该运算单元依据所述多个亮点像素的一颜色判断所述多个亮点像素是否为该车辆光源;
当该颜色为红色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车尾灯;
当该颜色为白色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车头灯。
5.根据权利要求1所述的基于光强度动态的夜间车辆侦测方法,其特征在于,
在该车灯判断步骤中,该运算单元执行该连通区域标记演算法而将多个各自相连通的所述多个亮点像素分别标记为多个该连通区域值,然后执行该面积筛选法而分析具有各该连通区域值的所述多个亮点像素的该面积,并依据该面积的大小判断具有各该连通区域值的所述多个亮点像素是否为该车辆光源。
6.根据权利要求1所述的基于光强度动态的夜间车辆侦测方法,其特征在于,
在该车灯判断步骤中,该运算单元执行一面积比例分析法而分析具有该连通区域值的所述多个亮点像素的一面积比例,然后依据该面积比例判断具有该连通区域值的所述多个亮点像素是否为该车辆光源。
7.一种基于光强度动态的夜间车辆侦测系统,其特征在于,包含:
一摄影机,设于一驾驶车辆,该摄影机撷取一影像;以及
一运算单元,设于该驾驶车辆,且该运算单元包含:
一亮点侦测模块,信号连接该摄影机,该亮点侦测模块是针对该影像运算而侦测出该影像的一亮点,该亮点包含多个亮点像素;
一车灯判断模块,信号连接该亮点侦测模块,该车灯判断模块是执行一连通区域标记演算法而将相连通的所述多个亮点像素标记为一连通区域值,然后该车灯判断模块执行一面积筛选法而分析具有该连通区域值的所述多个亮点像素的一面积,并依据该面积的大小判断具有该连通区域值的所述多个亮点像素是否为一车辆光源;
一光流滤除模块,信号连接该车灯判断模块,该光流滤除模块是执行一光流法而求得该车辆光源的一移动速度,并滤除该移动速度小于一预设速度的该车辆光源;及
一距离估算模块,信号连接该光流滤除模块,该距离估算模块是执行一座标转换法而计算出未滤除的该车辆光源与该摄影机之间的一距离;
其中该亮点侦测模块依据该影像的多个灰阶值统计出各该灰阶值的一出现次数,并依据所述出现次数改变所述多个灰阶值而产生多个均值化灰阶值。
8.根据权利要求7所述的夜间车辆侦测系统,其特征在于,
该亮点侦测模块设定一灰阶亮度门槛值,并依据该灰阶亮度门槛值撷取出各该亮点像素的亮度较该灰阶亮度门槛值大者。
10.根据权利要求7所述的夜间车辆侦测系统,其特征在于,
该运算单元依据所述多个亮点像素的一颜色判断所述多个亮点像素是否为该车辆光源;
当该颜色为红色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车尾灯;
当该颜色为白色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车头灯。
11.根据权利要求7所述的夜间车辆侦测系统,其特征在于,
该车灯判断模块执行该连通区域标记演算法而将多个各自相连通的所述多个亮点像素分别标记为多个该连通区域值,然后执行该面积筛选法而分析具有各该连通区域值的所述多个亮点像素的该面积,并依据该面积的大小判断具有各该连通区域值的所述多个亮点像素是否为该车辆光源。
12.根据权利要求7所述的夜间车辆侦测系统,其特征在于,
该车灯判断模块执行一面积比例分析法而分析具有该连通区域值的所述多个亮点像素的一面积比例,然后依据该面积比例判断具有该连通区域值的所述多个亮点像素是否为该车辆光源。
13.一种车辆侦测方法,用以侦测一影像中的一前方车辆,其特征在于该车辆侦测方法包含以下步骤:
一影像分析步骤,是透过一摄影机撷取该影像,并驱动一运算单元分析该影像的一天空区域的一天空亮度值,并比对一预设亮度值与该天空亮度值而判断该影像处于一日间时段或一夜间时段,该摄影机与该运算单元设于一驾驶车辆;以及
一车辆侦测步骤,是驱动该运算单元执行一日间车辆侦测步骤或一夜间车辆侦测步骤,其中当该影像处于该日间时段,执行该日间车辆侦测步骤,当该影像处于该夜间时段,执行该夜间车辆侦测步骤;
其中,该日间车辆侦测步骤是透过一前方碰撞预警演算法侦测该前方车辆与该摄影机之间的距离;
其中,该夜间车辆侦测步骤包含:
一亮点侦测步骤,是驱动该运算单元针对该影像运算而侦测出该影像的一亮点,该亮点包含多个亮点像素;
一车灯判断步骤,是驱动该运算单元执行一连通区域标记演算法而将相连通的所述多个亮点像素标记为一连通区域值,然后执行一面积筛选法而分析具有该连通区域值的所述多个亮点像素的一面积,并依据该面积的大小判断具有该连通区域值的所述多个亮点像素是否为一车辆光源;
一光流滤除步骤,是驱动该运算单元执行一光流法而求得该车辆光源的一移动速度,并滤除该移动速度小于一预设速度的该车辆光源;及
一距离估算步骤,是驱动该运算单元执行一座标转换法而计算出未滤除的该车辆光源与该摄影机之间的距离;
其中,该亮点侦测步骤包含:
一直方图均值化步骤,是依据该影像的多个灰阶值统计出各该灰阶值的一出现次数,并依据所述出现次数改变所述多个灰阶值而产生多个均值化灰阶值。
14.根据权利要求13所述的车辆侦测方法,其特征在于,
在该影像分析步骤中,该天空区域位于一预设天际线之上;
其中,当该天空亮度值大于等于该预设亮度值时,该运算单元判断该影像处于该日间时段;
其中,当该天空亮度值小于该预设亮度值时,该运算单元判断该影像处于该夜间时段。
15.根据权利要求13所述的车辆侦测方法,其特征在于,该亮点侦测步骤还包含:
一亮度特征撷取步骤,是设定一灰阶亮度门槛值,并依据该灰阶亮度门槛值撷取出各该亮点像素的亮度较该灰阶亮度门槛值大者。
17.根据权利要求13所述的车辆侦测方法,其特征在于,
在该亮点侦测步骤中,该运算单元依据所述多个亮点像素的一颜色判断所述多个亮点像素是否为该车辆光源;
其中,当该颜色为红色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车尾灯;
其中,当该颜色为白色时,该运算单元判断所述多个亮点像素为该车辆光源,且该车辆光源为车头灯。
18.根据权利要求13所述的车辆侦测方法,其特征在于,
在该车灯判断步骤中,该运算单元执行该连通区域标记演算法而将多个各自相连通的所述多个亮点像素分别标记为多个该连通区域值,然后执行该面积筛选法而分析具有各该连通区域值的所述多个亮点像素的该面积,并依据该面积的大小判断具有各该连通区域值的所述多个亮点像素是否为该车辆光源。
19.根据权利要求13所述的车辆侦测方法,其特征在于,
在该车灯判断步骤中,该运算单元执行一面积比例分析法而分析具有该连通区域值的所述多个亮点像素的一面积比例,然后依据该面积比例判断具有该连通区域值的所述多个亮点像素是否为该车辆光源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207295.4A CN111062231B (zh) | 2018-10-17 | 2018-10-17 | 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207295.4A CN111062231B (zh) | 2018-10-17 | 2018-10-17 | 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062231A CN111062231A (zh) | 2020-04-24 |
CN111062231B true CN111062231B (zh) | 2023-03-24 |
Family
ID=70296862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811207295.4A Active CN111062231B (zh) | 2018-10-17 | 2018-10-17 | 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062231B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111649918A (zh) * | 2020-06-17 | 2020-09-11 | 郑州高识智能科技有限公司 | 用于实时监测开启远光灯并持续跟踪车辆的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012226556A (ja) * | 2011-04-20 | 2012-11-15 | Nissan Motor Co Ltd | 走行支援装置 |
CN103150898A (zh) * | 2013-01-25 | 2013-06-12 | 大唐移动通信设备有限公司 | 一种夜间车辆检测方法、跟踪方法及装置 |
CN108021856A (zh) * | 2016-10-31 | 2018-05-11 | 比亚迪股份有限公司 | 车辆尾灯识别方法、装置及车辆 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6310899B2 (ja) * | 2015-11-25 | 2018-04-11 | 株式会社Subaru | 車外環境認識装置 |
-
2018
- 2018-10-17 CN CN201811207295.4A patent/CN111062231B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012226556A (ja) * | 2011-04-20 | 2012-11-15 | Nissan Motor Co Ltd | 走行支援装置 |
CN103150898A (zh) * | 2013-01-25 | 2013-06-12 | 大唐移动通信设备有限公司 | 一种夜间车辆检测方法、跟踪方法及装置 |
CN108021856A (zh) * | 2016-10-31 | 2018-05-11 | 比亚迪股份有限公司 | 车辆尾灯识别方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111062231A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI700017B (zh) | 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統 | |
US7566851B2 (en) | Headlight, taillight and streetlight detection | |
US7949190B2 (en) | Real-time nighttime vehicle detection and recognition system based on computer vision | |
US8908924B2 (en) | Exterior environment recognition device and exterior environment recognition method | |
CN106934808B (zh) | 一种视觉感知下汽车前灯尾灯识别跟踪方法 | |
US8924078B2 (en) | Image acquisition and processing system for vehicle equipment control | |
Alcantarilla et al. | Night time vehicle detection for driving assistance lightbeam controller | |
US8199198B2 (en) | Bright spot detection and classification method for a vehicular night-time video imaging system | |
US8903603B2 (en) | Environment recognizing device for a vehicle and vehicle control system using the same | |
CN102963294B (zh) | 一种夜间行驶车辆远光灯开启状态的判别方法 | |
CN108357418B (zh) | 一种基于尾灯识别的前车驾驶意图分析方法 | |
O'malley et al. | Vision-based detection and tracking of vehicles to the rear with perspective correction in low-light conditions | |
US20160335508A1 (en) | Vehicle detection system and method | |
US8019157B2 (en) | Method of vehicle segmentation and counting for nighttime video frames | |
Choi et al. | Vision-based fusion of robust lane tracking and forward vehicle detection in a real driving environment | |
TWI401473B (zh) | 影像式夜間行人偵測系統及方法 | |
JP2010218528A (ja) | 仮想車線を用いる車線離脱警報方法及びそのシステム | |
CN110450706A (zh) | 一种自适应远光灯控制系统及图像处理算法 | |
CN111027494A (zh) | 一种基于计算机视觉的矩阵车灯识别方法 | |
JP5353531B2 (ja) | 車両灯火認識装置及びプログラム | |
CN111062231B (zh) | 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统 | |
Kim et al. | An effective method of head lamp and tail lamp recognition for night time vehicle detection | |
Niknejad et al. | Vehicle detection and tracking at nighttime for urban autonomous driving | |
Huang et al. | Nighttime vehicle detection and tracking base on spatiotemporal analysis using RCCC sensor | |
JP6378547B2 (ja) | 車外環境認識装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |