CN113887457A - 盲区行人检测方法及系统 - Google Patents

盲区行人检测方法及系统 Download PDF

Info

Publication number
CN113887457A
CN113887457A CN202111183040.0A CN202111183040A CN113887457A CN 113887457 A CN113887457 A CN 113887457A CN 202111183040 A CN202111183040 A CN 202111183040A CN 113887457 A CN113887457 A CN 113887457A
Authority
CN
China
Prior art keywords
pedestrian
alarm
prompt
blind
blind 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.)
Pending
Application number
CN202111183040.0A
Other languages
English (en)
Inventor
汪寒
胡仁伟
顾鹏笠
彭文龙
杜超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hopechart Iot Technology Co ltd
Original Assignee
Hangzhou Hopechart Iot Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hopechart Iot Technology Co ltd filed Critical Hangzhou Hopechart Iot Technology Co ltd
Priority to CN202111183040.0A priority Critical patent/CN113887457A/zh
Publication of CN113887457A publication Critical patent/CN113887457A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种盲区行人检测方法及系统，方法包括：对目标摄像头采集的路面图像进行检测，以获取行人的位置；将所述路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；其中，所述目标摄像头安装于行车视野盲区。所述系统执行所述方法。本发明可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对行人进行报警提示，能够减少安全事故的发生。

Description

盲区行人检测方法及系统
技术领域
本发明涉及计算机技术领域，尤其涉及一种盲区行人检测方法及系统。
背景技术
众所周知，由于车辆本身的设计，导致车身周边存在不少反光镜无法达到的盲区，当行人进入行车视野盲区时，会存在极大的安全隐患，尤其是在车辆转弯时刻。
目前针对盲区的监控算法已经逐渐在车辆上普及，但摄像头的视角所覆盖的区域会大于盲区，且，例如绿化带，隔离栏外的行人实际上并不存在危险区域内，如果没有对视角中的危险区域进行限制，频繁的盲区行人报警，反而会对司机产生影响。
发明内容
本发明提供的盲区行人检测方法及系统，用于现有技术中存在的上述至少一个问题，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对行人进行报警提示，能够减少安全事故的发生。
本发明提供的一种盲区行人检测方法，包括：
对目标摄像头采集的路面图像进行检测，以获取行人的位置；
将所述路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；
根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，所述目标摄像头安装于行车视野盲区。
根据本发明提供的一种盲区行人检测方法，所述对目标摄像头采集的路面图像进行检测，以获取行人的位置，包括：
基于目标检测yolov5算法对所述路面图像进行检测，以获取所述行人的位置。
根据本发明提供的一种盲区行人检测方法，所述根据所述路面分割图，确定不同的盲区，包括：
将所述路面分割图进行线性拟合，以获取路沿拟合线；
根据所述路沿拟合线和预设的所述目标摄像头中所标定的距离车身不同位置处的报警线，确定不同的盲区。
根据本发明提供的一种盲区行人检测方法，所述将所述路面分割图进行线性拟合，以获取路沿拟合线，包括：
基于腐蚀和膨胀处理对所述路面分割图进行去噪处理；
根据预设空间聚类算法，对去噪处理后的路面分割图中的目标像素点进行聚类；
根据聚类结果，确定包含最多所述目标像素点的目标簇；
若所述目标簇的目标像素点的个数与所述路面分割图的像素点的总个数的比值大于等于预设值时，则对所述目标簇中的目标像素点进行线性拟合，以获取所述路沿拟合线。
根据本发明提供的一种盲区行人检测方法，所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示，包括：
若所述行人的位置在临近车身区域以及第一报警线的范围内，则确定行人所处的盲区为第一盲区，并对所述第一盲区的行人进行一级告警提示；
若所述行人的位置在所述临近车身区域以及第二报警线的范围内，则确定行人所处的盲区为第二盲区，并对所述第二盲区的行人进行二级告警提示；
若所述行人的位置在所述临近车身区域以及第三报警线的范围内，则确定行人所处的盲区为第三盲区，并对所述第三盲区的行人进行三级告警提示；
其中，所述临近车身区域是根据所述路沿拟合线与车身之间组成的区域确定的；
所述第一报警线是根据距离车身第一位置处的报警线确定的；
所述第二报警线是根据距离车身第二位置处的报警线确定的；
所述第三报警线是根据距离车身第三位置处的报警线确定的。
根据本发明提供的一种盲区行人检测方法，在所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示之后，还包括：
根据所述告警提示所处的告警等级，向安装在车辆上的多媒体智能中控屏发送不同的第一提示指令：
若所述告警提示为所述一级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第一预设次数的第一提示指令；
若所述告警提示为所述二级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第二预设次数的第一提示指令；
若所述告警提示为所述三级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第三预设次数的第一提示指令。
根据本发明提供的一种盲区行人检测方法，在所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示之后，还包括：
根据所述告警提示所处的告警等级，向安装在车辆上的声光报警器发送不同的第二提示指令：
若所述告警提示为所述一级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第二目标语音的第二提示指令；
若所述告警提示为所述二级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第三目标语音的第二提示指令；
若所述告警提示为所述三级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第四目标语音的第二提示指令。
本发明还提供一种盲区行人检测系统，包括：行人检测模块、盲区确定模块以及告警提示模块；
所述行人检测模块，用于对目标摄像头采集的路面图像进行检测，以获取行人的位置；
所述盲区确定模块，用于将所述路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；
所述告警提示模块，用于根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，所述目标摄像头安装于行车视野盲区。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述盲区行人检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述盲区行人检测方法的步骤。
本发明提供的盲区行人检测方法及系统，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对行人进行报警提示，能够减少安全事故的发生。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的盲区行人检测方法的流程示意图；
图2是本发明提供的盲区行人检测方法的应用场景示意图；
图3是本发明提供的盲区行人检测系统的结构示意图；
图4是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明提供的盲区行人检测方法的流程示意图，如图1所示，方法包括：
S1、对目标摄像头采集的路面图像进行检测，以获取行人的位置；
S2、将路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；
S3、根据行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，目标摄像头安装于行车视野盲区。
需要说明的是，上述方法的执行主体可以是计算机设备，车载终端。下面以车载终端执行本发明提供的盲区行人检测方法为例对本发明进行详细说明：
可选地，如图2所示，目标摄像头将行车过程中采集到的路面图像发送给车载终端，车载终端接收到目标摄像头采集的路面图像，并对接收到的路面图像进行检测，以对路面图像中行人的位置进行定位，从而得到行人的位置。
目标摄像头可以是带有红外功能的摄像头，主要是考虑到盲区监控在黑暗的场合也需要正常工作，故采用带红外功能的摄像头，当光照条件不足的情况下，摄像头会开启红外补光功能，确保能够正常采集到路面图像，同时目标摄像头安装在行车视野盲区，例如，车前顶部用于拍摄车前盲区以及车身右侧用于拍摄右侧盲区等行车视野盲区。
需要说明的是，可以通过深度学习目标检测的方式定位路面图像中行人的位置。
由车载终端中的预设语义分割网络对目标摄像头采集的路面图像进行处理，采用预设语义分割网络的残差模块的unet模块，推理由马路牙子、隔离栏、绿化带等路沿分隔的道路边界，得到路面分割图，并根据路面分割图，划分不同的盲区危险区域。
根据行人的位置可以确定行人所处的盲区区域，通过遍历的形式对位于不同盲区危险区域的行人进行告警提示。
本发明提供的盲区行人检测方法，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对行人进行报警提示，能够减少安全事故的发生。
进一步地，在一个实施例中，步骤S1可以具体包括：
S11、基于目标检测yolov5算法对路面图像进行检测，以获取行人的位置。
可选地，车载终端在获取到目标摄像头采集的路面图像后，会将该路面图像分别送入目标检测网络和预设语义分割网络。其中目标检测网络采用推理时间较快的yolov5算法实现，利用目标检测yolov5算法对路面图像进行检测，以获取路面图像中行人的位置。
本发明提供的盲区行人检测方法，基于yolov5算法能够迅速精确的实现对路面图像中行人的定位，进而能够在行人进入盲区危险区域时，及时准确的对行人进行报警提示，从而减少安全事故的发生。
进一步地，在一个实施例中，步骤S2可以具体包括：
S21、将路面分割图进行线性拟合，以获取路沿拟合线；
S22、根据路沿拟合线和预设的目标摄像头中所标定的距离车身不同位置处的报警线，确定不同的盲区。
进一步地，在一个实施例中，步骤S21可以具体包括：
S211、基于腐蚀和膨胀处理对所述路面分割图进行去噪处理；
S212、根据预设空间聚类算法，对去噪处理后的路面分割图中的目标像素点进行聚类；
S213、根据聚类结果，确定包含最多目标像素点的目标簇；
S214、若目标簇的目标像素点的个数与路面分割图的像素点的总个数的比值大于等于预设值时，则对目标簇中的目标像素点进行线性拟合，以获取路沿拟合线。
可选地，车载终端在获取到目标摄像头采集的路面图像后，会将该路面图像送入预设语义分割网络，并对目标摄像头采集的路面图像进行处理，采用预设语义分割网络的残差模块的unet模块，推理由马路牙子、隔离栏、绿化带等路沿分隔的道路边界，得到路面分割图。
基于最小二乘法对路面分割图进行线性拟合，得到拟合后的路沿拟合线，然后根据得到的路沿拟合线和预设的目标摄像头中所标定的距离车身不同位置处的报警线，确定不同的盲区。
需要说明的是，距离车身不同位置处报警线的标定可以具体采用如下方式：
1、终端例如手机接入无线网卡例如usb无线网卡开启无线连接，手机连入后通过应用程序进入标定界面，选择需要标定的摄像头通道，终端将对应通道的报警线位置传入手机，用户可以通过拖拽线的两端标定报警线。
2、在多媒体智能中控屏选择标定模式，在相应的摄像头通道画面上通过拖拽线的两端标定报警线。
若是没有预先标定距离车身不同位置处的报警线，则采用默认配置。
对得到的路面分割图进行线性拟合的过程具体如下：
步骤1、车载终端推理所得的路面分割图以黑白像素点的形式体现，用像素值0代表背景，用255代表路沿。对车载终端所得到的路面分割图做先腐蚀再膨胀的开运算，去除路面分割图中的部分噪声。
步骤2、根据预设空间聚类DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)算法，对去噪处理后的路面分割图中的目标像素点进行聚类，例如，对得到的去噪处理后的路面分割图中所有像素值不为0的点，采用DBSCAN算法进行聚类。将路沿近似地看作一条直线，在行车过程中，该直线在画面中的斜率的变化是平滑的，可以根据上一个拟合直线的斜率来对当前的拟合过程做一些参考，以去除一些噪声，并基于步骤3判断是否可以将任意两个像素值不为0的点聚类到同一簇。
步骤3、假设(ax，ay)，(bx,by)分别为需要进行聚类的目标像素点中的任意两点(a点、b点)的坐标，k′为上一个线性拟合后得到的路沿拟合线的斜率，令，当前对路面分割图进行线性拟合后得到的路沿拟合线的斜率k可以表示为：
k＝(ay-ax)/(by-bx)
如果k′和k的乘积不为-1，即a,b两点和上一次线性拟合得到的路沿拟合线不垂直，则计算两次线性拟合后得到的路沿拟合线之间的夹角c可以表示为：
c＝arctan(|(k-k′)/(1+k·k′)|)
最终将夹角c作为权重加入a,b两点距离的计算，并得到a,b两点之间的距离d：
Figure BDA0003298097020000091
当距离d小于预设阈值时，则可以将a,b两点聚类到同一簇。
步骤4、根据聚类结果，取聚类后包含最多目标像素点的目标簇，当目标簇内的目标像素点个数占比小于路面分割图中包含的总像素点的预设值例如1％时，则视为噪声，拟合失败；当目标簇内的目标像素点个数占比不小于路面分割图中包含的总像素点的预设值例如1％时，则对目标簇内部的目标像素点进行线性拟合，得到直线点斜式，根据直线点斜式得到最终的路沿拟合线。
步骤5、为了去除偶然跳变得到的路沿拟合线，对直线点斜式中涉及到的各个参数进行卡尔曼滤波，过滤偶然跳变的直线。当连续5次拟合失败时，重置卡尔曼滤波，重置上一个有效线性拟合得到的路沿拟合线的斜率(即在任意两个目标像素点之间的距离时，去除斜率的影响)。
本发明提供的盲区行人检测方法，通过利用路沿拟合线和预先标定的报警线，划分出不同的盲区危险区域，为后续实时准确的实现对处于不同盲区的行人进行不同的报警提示奠定了基础。
进一步地，在一个实施例中，步骤S3可以具体包括：
S31、若行人的位置在临近车身区域以及第一报警线的范围内，则确定行人所处的盲区为第一盲区，并对第一盲区的行人进行一级告警提示；
S32、若行人的位置在临近车身区域以及第二报警线的范围内，则确定行人所处的盲区为第二盲区，并对第二盲区的行人进行二级告警提示；
S33、若行人的位置在临近车身区域以及第三报警线的范围内，则确定行人所处的盲区为第三盲区，并对第三盲区的行人进行三级告警提示；
其中，临近车身区域是根据路沿拟合线与车身之间组成的区域确定的；
第一报警线是根据距离车身第一位置处的报警线确定的；
第二报警线是根据距离车身第二位置处的报警线确定的；
第三报警线是根据距离车身第三位置处的报警线确定的。
可选地，车载终端上电时会读取预设的目标摄像头中所标定的距离车身不同位置处的报警线，并根据报警线距离车身的具体位置，划分不同的报警线，具体地，将距离车身第一位置处(例如距离车身1米)的报警线作为第一报警线，将距离车身第二位置处(例如距离车身2米)的报警线作为第二报警线，将距离车身第三位置处(例如距离车身3米)的报警线作为第三报警线。
判断基于目标检测yolov5算法框定的带有行人的位置的目标框，并判断该行人的位置或目标框的其中一角是否在临近车身区域(由路沿拟合线与车身之间组成的区域)以及第一报警线的范围之内，若在，则将行人所处的盲区确定为第一盲区，并对第一盲区的行人进行一级告警提示，并产生一级报警信息。
当行人的位置或者目标框的其中一角在上述临近车身区域以及第二报警线的范围内，则将行人所处的盲区确定为第二盲区，并对第二盲区的行人进行二级告警提示，并产生二级报警信息。
当行人的位置或目标框的其中一角在上述临近车身区域以及第三报警线的范围内，则将行人所处的盲区确定为第三盲区，并对第三盲区的行人进行三级告警提示，并产生三级报警信息。
当行人的位置或目标框的其中一角在上述临近车身区域的范围之外或者在第三报警线的范围之外，则视为行人并未处于盲区的危险区域，不产生报警信息。
最后车载终端将目标摄像头传输的路面图像、得到的行人的位置和路沿拟合线发送到如图2所示的多媒体智能中控屏，多媒体智能中控屏将行人的位置和路沿拟合线绘制在目标摄像头的画面上并显示，以便驾驶员可以清楚地观察到盲区的情况。
本发明提供的盲区行人检测方法，可以准确、实时地对行车视野盲区的危险区域进行检测，并针对性的根据处于不同盲区的行人所面临的危险程度进行对应程度的报警提示，能够减少安全事故的发生的同时，减少因为频繁报警对司机的影响。
进一步地，在一个实施例中，在步骤S3之后还可以具体包括：
S4、根据告警提示所处的告警等级，向安装在车辆上的多媒体智能中控屏发送不同的第一提示指令：
若告警提示为一级告警提示，则向多媒体智能中控屏发送重复第一目标语音第一预设次数的第一提示指令；
若告警提示为二级告警提示，则向多媒体智能中控屏发送重复第一目标语音第二预设次数的第一提示指令；
若告警提示为三级告警提示，则向多媒体智能中控屏发送重复第一目标语音第三预设次数的第一提示指令。
可选地，当有报警提示产生时会生成对应的报警信息，车载终端根据不同告警提示对应的告警等级，向图2中多媒体智能中控屏发送不同的第一提示指令：
当告警提示为一级告警提示或报警信息为一级报警信息时：向多媒体智能中控屏发送重复第一目标语音第一预设次数的第一提示指令，例如重复每秒4次的“滴滴”声，多媒体智能中控屏接收到上述重复每秒4次的“滴滴”声的第一提示指令后，重复每秒4次的“滴滴”声。
当告警提示为二级告警或报警信息为二级报警信息时：向多媒体智能中控屏发送重复第一目标语音第二预设次数的第一提示指令，例如重复每秒2次的“滴滴”声，多媒体智能中控屏在接收到上述每秒2次的“滴滴”声的第一提示指令后，重复每秒2次的“滴滴”声。
当告警提示为三级告警或报警信息为三级报警信息时：向多媒体智能中控屏发送重复第一目标语音第三预设次数的第一提示指令，例如重复每秒1次的“滴滴”声，多媒体智能中控屏在接收到上述每秒1次的“滴滴”声的第一提示指令后，重复每秒1次的“滴滴”声。
本发明提供的盲区行人检测方法，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对司机和行人进行报警提示，减少了安全事故的发生。
进一步地，在一个实施例中，在步骤S3之后还可以具体包括：
S5、根据告警提示所处的告警等级，向安装在车辆上的声光报警器发送不同的第二提示指令：
若所述告警提示为一级告警提示，则向声光报警器发送开启灯光闪烁和重复第二目标语音的第二提示指令；
若所述告警提示为二级告警提示，则向声光报警器发送开启灯光闪烁和重复第三目标语音的第二提示指令；
若告警提示为所述三级告警提示，则向声光报警器发送开启灯光闪烁和重复第四目标语音的第二提示指令。
可选地，当有报警提示产生时会生成对应的报警信息，车载终端根据不同告警提示对应的告警等级，向图2中声光报警器发送不同的第二提示指令：
当告警提示为一级告警提示或报警信息为一级报警信息时：向声光报警器发送开启灯光闪烁和重复第二目标语音的第二提示指令，例如开启闪烁灯光以及重复“危险”的语音提示，声光报警器接收到上述开启闪烁灯光以及重复“危险”的语音提示的第二提示指令后，声光报警器开启闪烁灯光并重复“危险”的语音提示。
当告警提示为二级告警或报警信息为二级报警信息时：向声光报警器发送开启灯光闪烁和重复第三目标语音的第二提示指令，例如开启闪烁灯光以及重复“危险请远离”的语音提示，声光报警器接收到上述开启闪烁灯光以及重复“危险请远离”的语音提示的第二提示指令后，声光报警器开启闪烁灯光并重复“危险请远离”的语音提示。
当告警提示为三级告警或报警信息为三级报警信息时：向声光报警器发送开启灯光闪烁和重复第四目标语音的第二提示指令，例如开启闪烁灯光以及重复“大车危险请远离”的语音提示，声光报警器接收到上述开启闪烁灯光以及重复“大车危险请远离”的语音提示的第二提示指令后，声光报警器开启闪烁灯光并重复“大车危险请远离”的语音提示。
本发明提供的盲区行人检测方法，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时通过声光报警器对处于盲区危险区域的行人进行报警提示，减少了安全事故的发生。
下面对本发明提供的盲区行人检测系统进行描述，下文描述的盲区行人检测系统与上文描述的盲区行人检测方法可相互对应参照。
图3是本发明提供的盲区行人检测系统的结构示意图，如图3所示，包括：行人检测模块310、盲区确定模块311以及告警提示模块312；
行人检测模块310，用于对目标摄像头采集的路面图像进行检测，以获取行人的位置；
盲区确定模块311，用于将路面图像输入至预设语义分割网络，以获取路面分割图，并根据路面分割图，确定不同的盲区；
告警提示模块312，用于根据行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，目标摄像头安装于行车视野盲区。
本发明提供的盲区行人检测系统，可以准确、实时地对行车视野盲区的危险区域进行检测，并在行人进入盲区危险区域时对行人进行报警提示，能够减少安全事故的发生。
图4是本发明提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communication interface)411、存储器(memory)412和总线(bus)413，其中，处理器410，通信接口411，存储器412通过总线413完成相互间的通信。处理器410可以调用存储器412中的逻辑指令，以执行如下方法：
对目标摄像头采集的路面图像进行检测，以获取行人的位置；
将路面图像输入至预设语义分割网络，以获取路面分割图，并根据路面分割图，确定不同的盲区；
根据行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，目标摄像头安装于行车视野盲区。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机电源屏(可以是个人计算机，服务器，或者网络电源屏等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的盲区行人检测方法，例如包括：
对目标摄像头采集的路面图像进行检测，以获取行人的位置；
将路面图像输入至预设语义分割网络，以获取路面分割图，并根据路面分割图，确定不同的盲区；
根据行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，目标摄像头安装于行车视野盲区。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的盲区行人检测方法，例如包括：
对目标摄像头采集的路面图像进行检测，以获取行人的位置；
将路面图像输入至预设语义分割网络，以获取路面分割图，并根据路面分割图，确定不同的盲区；
根据行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，目标摄像头安装于行车视野盲区。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机电源屏(可以是个人计算机，服务器，或者网络电源屏等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种盲区行人检测方法，其特征在于，包括：
对目标摄像头采集的路面图像进行检测，以获取行人的位置；
将所述路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；
根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，所述目标摄像头安装于行车视野盲区。
2.根据权利要求1所述的盲区行人检测方法，其特征在于，所述对目标摄像头采集的路面图像进行检测，以获取行人的位置，包括：
基于目标检测yolov5算法对所述路面图像进行检测，以获取所述行人的位置。
3.根据权利要求1所述的盲区行人检测方法，其特征在于，所述根据所述路面分割图，确定不同的盲区，包括：
将所述路面分割图进行线性拟合，以获取路沿拟合线；
根据所述路沿拟合线和预设的所述目标摄像头中所标定的距离车身不同位置处的报警线，确定不同的盲区。
4.根据权利要求3所述的盲区行人检测方法，其特征在于，在所述将所述路面分割图进行线性拟合，以获取路沿拟合线，包括：
基于腐蚀和膨胀处理对所述路面分割图进行去噪处理；
根据预设空间聚类算法，对去噪处理后的路面分割图中的目标像素点进行聚类；
根据聚类结果，确定包含最多所述目标像素点的目标簇；
若所述目标簇的目标像素点的个数与所述路面分割图的像素点的总个数的比值大于等于预设值时，则对所述目标簇中的目标像素点进行线性拟合，以获取所述路沿拟合线。
5.根据权利要求4所述的盲区行人检测方法，其特征在于，所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示，包括：
若所述行人的位置在临近车身区域以及第一报警线的范围内，则确定行人所处的盲区为第一盲区，并对所述第一盲区的行人进行一级告警提示；
若所述行人的位置在所述临近车身区域以及第二报警线的范围内，则确定行人所处的盲区为第二盲区，并对所述第二盲区的行人进行二级告警提示；
若所述行人的位置在所述临近车身区域以及第三报警线的范围内，则确定行人所处的盲区为第三盲区，并对所述第三盲区的行人进行三级告警提示；
其中，所述临近车身区域是根据所述路沿拟合线与车身之间组成的区域确定的；
所述第一报警线是根据距离车身第一位置处的报警线确定的；
所述第二报警线是根据距离车身第二位置处的报警线确定的；
所述第三报警线是根据距离车身第三位置处的报警线确定的。
6.根据权利要求5所述的盲区行人检测方法，其特征在于，在所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示之后，还包括：
根据所述告警提示所处的告警等级，向安装在车辆上的多媒体智能中控屏发送不同的第一提示指令：
若所述告警提示为所述一级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第一预设次数的第一提示指令；
若所述告警提示为所述二级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第二预设次数的第一提示指令；
若所述告警提示为所述三级告警提示，则向所述多媒体智能中控屏发送重复第一目标语音第三预设次数的第一提示指令。
7.根据权利要求5所述的盲区行人检测方法，其特征在于，在所述根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示之后，还包括：
根据所述告警提示所处的告警等级，向安装在车辆上的声光报警器发送不同的第二提示指令：
若所述告警提示为所述一级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第二目标语音的第二提示指令；
若所述告警提示为所述二级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第三目标语音的第二提示指令；
若所述告警提示为所述三级告警提示，则向所述声光报警器发送开启灯光闪烁和重复第四目标语音的第二提示指令。
8.一种盲区行人检测系统，其特征在于，包括：行人检测模块、盲区确定模块以及告警提示模块；
所述行人检测模块，用于对目标摄像头采集的路面图像进行检测，以获取行人的位置；
所述盲区确定模块，用于将所述路面图像输入至预设语义分割网络，以获取路面分割图，并根据所述路面分割图，确定不同的盲区；
所述告警提示模块，用于根据所述行人的位置确定行人所处的盲区，并对处于不同盲区的行人进行告警提示；
其中，所述目标摄像头安装于行车视野盲区。
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述盲区行人检测方法的步骤。
10.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行权利要求1至7任一项所述盲区行人检测方法的步骤。
CN202111183040.0A 2021-10-11 2021-10-11 盲区行人检测方法及系统 Pending CN113887457A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111183040.0A CN113887457A (zh) 2021-10-11 2021-10-11 盲区行人检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111183040.0A CN113887457A (zh) 2021-10-11 2021-10-11 盲区行人检测方法及系统

Publications (1)

Publication Number Publication Date
CN113887457A true CN113887457A (zh) 2022-01-04

Family

ID=79006090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111183040.0A Pending CN113887457A (zh) 2021-10-11 2021-10-11 盲区行人检测方法及系统

Country Status (1)

Country Link
CN (1) CN113887457A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114694415A (zh) * 2022-03-17 2022-07-01 安庆师范大学 一种急转弯道防碰撞预警方法和系统
CN116612194A (zh) * 2023-07-20 2023-08-18 天津所托瑞安汽车科技有限公司 一种位置关系确定方法、装置、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114694415A (zh) * 2022-03-17 2022-07-01 安庆师范大学 一种急转弯道防碰撞预警方法和系统
CN116612194A (zh) * 2023-07-20 2023-08-18 天津所托瑞安汽车科技有限公司 一种位置关系确定方法、装置、设备及存储介质
CN116612194B (zh) * 2023-07-20 2023-10-20 天津所托瑞安汽车科技有限公司 一种位置关系确定方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
JP5401344B2 (ja) 車両用外界認識装置
EP2214149B1 (en) Collision avoidance assisting system for vehicle
CN109358612B (zh) 智能驾驶控制方法和装置、车辆、电子设备、存储介质
KR101362324B1 (ko) 차선 이탈 경보 시스템 및 방법
CN113887457A (zh) 盲区行人检测方法及系统
CN112896041B (zh) 盲区预警方法、装置及车辆
CN108629292B (zh) 弯曲车道线检测方法、装置及终端
EP2879370A1 (en) Vehicle-mounted image recognition device
CN108162858B (zh) 车载监控装置及其方法
CN105320927A (zh) 车道线检测方法及系统
CN113593301B (zh) 车辆加塞的预判断方法、车辆及计算机可读存储介质
CN112308052B (zh) 一种道路异常区域检测方法、装置、电子设备及存储介质
CN110929606A (zh) 车辆盲区行人监控方法和装置
CN108090425B (zh) 一种车道线检测方法、装置及终端
CN112633387A (zh) 一种安全提醒方法、装置、设备、系统及存储介质
JP2009064274A (ja) 歩行者認識装置
CN111469759A (zh) 车辆的剐蹭预警方法、车辆及存储介质
KR100383538B1 (ko) 차선이탈 경보 방법 및 시스템
CN113191238A (zh) 基于双目摄像机的盲区检测方法、系统及存储介质
CN113345087A (zh) 基于单目视觉的地表模型拟合方法和装置
CN111731285A (zh) 基于v2x技术的车辆防碰撞方法及装置
CN110920546A (zh) 一种用于车辆的图像识别控制方法及装置
CN111267845A (zh) 一种卡车转弯风险预估规避方法及系统
CN113561987B (zh) 一种汽车驾驶辅助方法、系统、电子设备及存储介质
CN115690725A (zh) 检测框过滤方法、装置、车辆、设备及计算机存储介质

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