JP5297078B2 - 車両の死角における移動物体を検知するための方法、および死角検知装置 - Google Patents

Description

本発明は、車両（ｖｅｈｉｃｌｅ）の死角（ｂｌｉｎｄ ｓｐｏｔ ｒｅｇｉｏｎ：盲点リージョン）における移動物体（ｍｏｖｉｎｇ ｏｂｊｅｃｔ）を検知するための方法と、死角検知装置と、コンピュータプログラム製品とに関する。

車両について、リアビューミラー（ｒｅａｒ ｖｉｅｗ ｍｉｒｒｏｒｓ）を用いてさえ、車両の運転手の背面におけるあるリージョン（ｒｅｇｉｏｎ）、すなわち死角は簡単に観察することが不可能であることが知られている。車両の車線変更の場合に、死角における移動物体、例えば付近の車線を通り過ぎようとしている別の車両などが上記車両の運転手に観察されていないと、危険な状況が発生する可能性がある。

このように、自動車生産業者は、死角情報システムを車両に導入する安全性応用を現在研究中である。現在このような死角情報システムは、レーダ、音波、およびライダ（レーザスキャナ）などの、アクティブセンサに基づいている。赤外線またはステレオカメラがしばしば利用されるのだが、それはそれらが深さについての情報を提供するからである。ビデオもまた考慮されてはいるのだが、主にフロントビューの応用のためである。

本発明の目的は、車両の死角における移動物体を検知するための、改善した方法および装置を提供することである。

この目的は、請求項１、１７、および２１にそれぞれ記載の、方法、死角検知装置、およびコンピュータプログラム製品により解決される。

さらなる実施形態が従属請求項において限定される。

本発明のさらなる詳細は、図面を考察し、明細書を確かめることから明らかとなるであろう。

以下では、本発明の実施形態を説明する。重要なのは、以下で説明する全部の実施形態はどのように組み合わされてもよい、すなわち説明するある実施形態は他の実施形態と組み合わせ不可能であるという限定はない、ということに留意することである。

図１においては、車両付近に位置する死角の画像のシーケンスを撮影するために車両の上に取り付けられたビデオカメラによるなどして、上記画像のシーケンスがステップＳ１００において撮影される。上記画像は「フレーム（ｆｒａｍｅｓ）」または「フィールド（ｆｉｅｌｄｓ）」と呼ぶ場合もある。

ステップＳ１０２において、上記シーケンスの画像はブロックに、例えば、各々８×８ピクセルまたは各々１６×１６を有するブロックに分割されるが、異なるブロックサイズまたはブロック形状もまた本発明の範囲内のものである。

ステップＳ１０４において、上記シーケンスのうち連続する画像間で移動した移動ブロックが識別される。上記シーケンスにおける後続画像の対応ブロックと比較されるブロックからのピクセル値の絶対差の合計を評価することにより、または、相互相関または平均２乗誤差のような、知られている他の誤差測定により、かかる識別は行われる。

ステップＳ１０６において、例えば連続する画像において移動ブロックの位置を比較することによるなどして、移動の距離および方向が決定される。

ステップＳ１０８において、画像内の隣接ブロックがグループ化され、これに対し既定方向間隔内の方向と、既定距離間隔内の距離とが決定される。既定方向間隔および既定距離間隔は、基本的に同方向における、基本的に同距離での移動を検知するために使用される。既定間隔は、固定されている場合もあり、例えば上記移動ブロックの実際の方向または距離に対して適合される場合もある。またこの移動は、連続する画像のブロック間の運動ベクトルを計算して、上記運動ベクトルを比較することにより決定される場合もある。

このようなグループ化された隣接ブロックは、車両の上記死角における移動物体と見なされる。「グループ化（ｇｒｏｕｐｉｎｇ）」という表現の代わりに、この明細書内では「セグメント化（ｓｅｇｍｅｎｔｉｎｇ）」、「セグメント化（ｓｅｇｍｅｎｔａｔｉｏｎ）」、または「クラスター化（ｃｌｕｓｔｅｒｉｎｇ）」という表現を使用する場合もある。

ある実施形態においては、たとえ上記移動物体のうち少なくとも１つが全く誤作動アラーム（ｆａｌｓｅ ａｌａｒｍ）でないとしても、上記移動物体の間で少なくとも１つの誤作動アラームが決定され、アラームが生成される。このような誤作動アラームは、あるいは車両の運転手を混乱させてしまい、もはや死角検知は信用されなくなる場合もあり、または事故や傷害につながってしまう場合もある。

さらなる実施形態においては、上記移動物体の物体サイズが決定され、既定サイズと比較される。上記物体サイズが上記規定サイズよりも小さい場合、誤作動アラームが生成される。たとえ小さい物体が車両の死角に位置しているとしても、このような小さい物体は移動車両にとって危険であると見なされず、そのためアラームは作成されてはならない。既定サイズを下回る小さい物体が車両であることはあり得ない。

さらなる実施形態においては、上記画像内の消点が決定され、上記既定サイズは、上記消点からの上記移動物体の距離に依存する。画像内の消点は、普通は遠近画法において、平行線が集まっていくように見える点として使用されるものである。画像処理においても、この点は決定可能である。画像の消点付近の物体は、車両のより近くにあるように見える物体よりも、画像内で小さいサイズを有する。

消点付近の物体はより小さく見えるため、異なる処理が行われる。

さらなる実施形態においては、画像内の消点が識別され、移動物体の物体サイズが決定され、上記消点からの移動物体の垂直距離が決定される。小さく、消点より高い物体は、普通は車両の死角内で全く危険ではない。なぜならこのような物体は、車線付近ではなく、どこか上空に位置するものだからである。

さらなる実施形態においては、上記移動物体のうち少なくとも１つの、ヒストグラムおよび／またはエッジをもとにした統計測定が計算されて評価され、上記評価ステップに基づき誤作動アラームが生成される。このようなヒストグラムおよび／またはエッジをもとにした統計測定は、分散、四分位数範囲（ｉｎｔｅｒ ｑｕａｒｔｅｒ ｒａｎｇｅ：ＩＱＲ）、平均、メジアン、エネルギー、エッジエネルギー、均一性、滑度（ｓｍｏｏｔｈｎｅｓｓ）、３次モーメントおよび／またはエントロピーを含む場合がある。このような統計測定は、画像の描写から分かり、移動物体の分類に使用可能である。例えば道路標識は、普通はヒストグラムにおいて２つのピークを、片方は低輝度値に、もう片方は高輝度値に示す。道路標識は車両にとって脅威と見なされず、そのため対応する誤作動アラームが生成される。

さらなる実施形態においては、上記移動物体の軌道が評価され、上記評価ステップに基づき誤作動アラームが生成される。普通は、短時間の場合にのみノイズが発生し、このようなノイズは全く軌道をもたない。最終フレームの軌道点の数も移動物体として検知され、これらのフレームの平均運動が正である場合にのみ、移動物体の検知は考慮される場合がある。

さらなる実施形態において、移動物体のサイズが検知され、上記サイズが既定サイズよりも大きい場合には、上記移動物体のリージョン表面と凸包との間の差が計算される。上記差が既定差を上回る場合、移動物体は再び定められる。移動物体のリージョンがあまりに大きすぎて、凹部をあまりに多く有する場合、この移動物体はさらに考慮される必要があり、例えば、この移動物体は複数の移動物体に分割される場合がある。

さらなる実施形態によると、上記シーケンスの上記画像は少なくとも２つのリージョンに分割される。物体は、普通、消点付近では非常に小さく、非常に低い運動をするものであり、他方で、画像のより近くまたは前方部においては非常に大きく、非常に速く移動するものである。そのため、画像の異なるエリアが異なる性質を有する。各リージョンは、画像を少なくとも２つのリージョンに分割することで適切に処理可能である。分割すべき場所は、カメラ取付角度または消点にそれぞれ依存する。例えば、画像が２つのリージョンに分割される場合、この場所は画像幅の半分から３分の１の間のどこかである可能性がある。境界問題を回避するため、およびリージョン間の急変をより緩和するために、リージョンは僅かに重複したほうがよい。

図２に示すように、ステップＳ２００において画像はリージョンに分割され、ステップＳ２０２においてリージョン内のブロックがグループ化され、ステップＳ２０４において異なるリージョンにしたがって誤作動アラーム検知が適合される。この実施形態内では、運動推定および使用されるアルゴリズムが、リージョン内の異なる性質へより良く適合される。運動推定の検索範囲は、リージョンに適合されてもよく、また同様に整合ブロックサイズに適合されてもよい。例えば、消点ありのリージョンにおける検索範囲および整合ブロックサイズは、消点なしのリージョンの場合よりも低い。

さらなる実施形態においては、視点が変化しているため、分類のためのトレーニングデータは全部のリージョンで異なる。消点ありのリージョンにおける障害物は正面から見たものであり、一方で右（ｒｉｇｈｔ）リージョン、すなわち消点なしのリージョンにおける障害物は横から見たものである。

さらなる実施形態によると、異なるリージョンが異なる解像度に切落しまたは再サンプリング可能であり、それにより、ダウンスケーリング、すなわちより少ないピクセルを使用する場合には計算時間が削減され、アップスケーリング、すなわち測定済ピクセル値の中間の追加ピクセル値を計算する場合にはサブピクセルの正確さを与える。

図３には死角検知装置３００の一実施形態を示しており、この死角検知装置３００はカメラ３０２とプロセッサ３０４とインジケータ３０６と備えている。カメラ３０２は、死角の画像のシーケンスを撮影するように構成される。カメラ３０２としては、提案する方法およびシステムのために一眼カメラを使用してもよい。

プロセッサ３０４は、上記シーケンスの上記画像の各々をブロックに分割し、上記シーケンスの連続する画像間で移動を行った移動ブロックを識別し、上記移動ブロックの上記移動の方向および距離を決定し、既定方法間隔内の方向と既定距離間隔内の距離とが決定されているところの隣接移動ブロックのグループ化を行い、上記移動物体を決定するように構成される。

インジケータ３０６は、上記死角における移動物体が検知された場合、危険状況を表示するように構成される。このようなインジケータはアラーム音または光信号である場合があり、光信号としては、例えば発光ダイオード（ｌｉｇｈｔ ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ：ＬＥＤ）が点滅または連続発光するなどがある。

死角検知装置は、レーダ、ライダ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ：全地球測位システム）または超音波に基づくアクティブセンサ３０８（図３に選択的に示す）を備える場合もあって、上記アクティブセンサは死角検知装置を検査するために用いる。

図４に、死角検知装置３００のさらなる実施形態を示しており、そこでは追加で誤作動アラーム検知ユニット４００がプロセッサ３０４とインジケータ３０６とに接続されている。誤作動アラーム検知ユニットは上記移動物体の間で誤作動アラームを識別するように構成され、インジケータ３０６は、さらに、上記移動物体のうち少なくとも１つが誤作動アラームでない場合にアラームを生成するように構成される。

図５に、死角検知装置のさらなる実施形態を示しており、この死角検知装置はカメラ３０２とプロセッサ３０４とに接続されるリージョン分割ユニット５００追加的に備えている。リージョン分割ユニット５００は、上記シーケンスの画像を少なくとも２つのリージョンに分割するように構成される。

図６に、３車線道路の中央車線６０３を走る車両６０２の死角６００の上面図を、左車線６０４および右車線６０６とともに示す。左カメラ６１０は左リアビューミラー６１２に取り付けられ、右カメラ６１３は右リアビューミラー６１４に取り付けられている。左カメラ６１０は左視野角６２０を有し、右カメラ６１３は右視野角６２２を有する。第１の車両６３０と、上記第１の車両６３０の後方の第２の車両６３２とは、左車線６０４を走っている。右車線６０６において、第３の車両６３４が死角６００に近づいている。「検知可能エリア（ｍａｙ ｄｅｔｅｃｔ ａｒｅａ）」６４０も図示してある。死角６００および検知可能エリア６４０は、左視野角６２０および右視野角６２２の一部である。第１の車両６３０のような車両は、死角６００内にある場合に、その速度にかかわらず脅威と見なされる。第３の車両６３４のような車両は、検知可能エリア６４０に入るとすぐに、死角検知装置により検知されるべきである。第３の車両６３４は、その速度が速い場合に脅威と見なされる。

検知可能エリア６４０外にある、第２の車両６３２のような車両は、脅威とは分類されないが、追跡はしてもよい。

死角検知装置は、自身の車両６０２に取り付けられている単一のカメラセンサを使用して、死角６００にある車両６３０、６３２、６３４を検知する。左側および右側の死角６００は同様に処理される。第１の車両６３０のような車両が死角６００にある場合、または第２の車両６３４のような他の車両が高速で死角６００へ今にも入ろうとしている場合に、自身の車両６０２の運転手が車線を変更しようとすると、運転手は光信号（例えば発光ダイオードＬＥＤ）により、または音響信号により警告される。

図７におけるブロック図は、提案するアプローチの処理ステップを示している。カメラ６１０および６１２は画像のシーケンスを撮影し、この画像は後にステップＳ７０２において例えばフィルタリングなどの前処理が行われる。ステップＳ７０４において、ブロックをもとにした運動推定が行われ、この推定はステップＳ７０６において後処理される。同方向へ移動する、あるいは同じ運動ベクトルを有するブロックは、ステップＳ７０８において移動物体にセグメント化またはグループ化される。ステップＳ７１０において、移動物体の間で誤作動アラームが検知される。その後、ボックスフィッティングステップＳ７１２が車両の抽象モデルとして行われ、ステップＳ７１４において行われる角度／距離／速度推定のために道路平面に対する接触点を発見するためにこの抽象モデルは車両にフィッティングされる。その後、ステップＳ７１６において脅威または危険が識別され、対応する警告が開始される、例えば、音響信号が与えられる。角度／距離／速度推定Ｓ７１４は、危険のない距離にある物体を識別するのに役立つ。

図８に、グループ化ブロックを有する画像を示す。同じ運動ベクトルをもつ隣接ブロックは同じ番号（１、２、３）でラベルしてある。異なるリージョンは各々個別の番号でラベルされる。車両８０２の場合のようにリージョンが検知成功であるか、または道路標識８０４の支柱８４０または横断歩道表示８０６の場合のようにリージョンが誤作動アラームであるかどうかは、リージョンのこのグループ化またはセグメント化ステップの後は分からない。

図９に、誤作動アラーム拒絶原理のブロック図を示す。正および誤セグメント化を含む、リージョンの粗セグメント化の後、閾値が消点までの距離に依存するところのリージョンの大きさおよび位置に基づいて妥当性チェック９００が行われる。構造測定またはヒストグラムをもとにした特徴に基づく特徴抽出９０２、および対応する分類９０４が、正セグメント化リージョンのみを移動物体として取得するために後に拒絶される誤作動アラームを検知するのに使用される。

局所的なブロックをもとにした運動推定が、移動物体の検知に使用される。検知された移動物体は、物体を縁取るリージョンにセグメント化される。接続されたブロックからなる連続するリージョンは全部、異なる番号でラベルされ、ここで４個（または８個）の直接隣接したブロックのうち少なくとも１個にリージョンが接触する場合、ブロックはリージョンに接続される。その後、このリージョン全部にわたるループが、連続するリージョンを個別に考慮するのに使用される。その後、このリージョンのうちどれが誤作動アラームであるか、判定が行われる。この判定は異なる妥当性要因に基づいている。

ラベルされたリージョンで、ある閾値よりも少ないブロックを有するものは拒絶される。閾値は、自動車または車両が自身の障害物の影で通例むきだしである消点までの距離に依存する。自動車またはバンのような車両は最小の大きさを有するため、小さく、消点より高い被検知リージョン（背景／空）もまた拒絶される。ベクトル場の後処理間の高額なフィルタリングは、このように削減可能である。

さらに、ヒストグラムおよびエッジをもとにした統計テクスチャ測定がこのエリアに対して計算される。この測定に基づき、リージョンを拒絶すべきか、またはリージョンをさらに考慮すべきかの判定が行われる。判定には分類部が使用される。例えば道路標識は、ヒストグラムにおいて通例２つの高いピークとして表され、それぞれ、一方はより高い輝度値であり、もう一方はより低い輝度値である。ハール（Ｈａａｒ）変換（通例、顔認証に使用される）、または例えば分散、四分位数範囲（ＩＱＲ）、平均、メジアン、エネルギー、エッジエネルギー、および全部のヒストグラムにおける分散または平均のような他の特徴が使用可能である。

さらに、統計構造測定の均一性、滑度、３次モーメントおよびエントロピーが使用される。スペクトルのテクスチャ特徴が、周期性を検知するのに使用可能であり、ＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ：高速フーリエ変換）は、位相相関運動推定を使用することにより再計算されないことを必要としない。

濃度（ｇｒａｙ‐ｌｅｖｅｌ）ヒストグラムの統計モーメントが、画像のテクスチャを表すのに使用可能である。ｚが［０，Ｌ−１］範囲における濃度を表す不連続乱数を表し、ｐ（ｚ_ｉ）、ｉ＝０，１，……，Ｌ−１、が正規化ヒストグラムであるならば、以下の方程式が当てはまる。

平均値ｍは以下である。

分散σは以下である。

滑度Ｒは以下であり、ここで不変の強度をもつ（分散が零に近い）エリアに対してＲは０に近づき、大きな強度変化量をもつ（分散値が大きい）エリアに対してＲは１に近づく。

３次モーメントμ_３は以下であり、ヒストグラムの歪度を表す。

均一性Ｕは以下である。

エントロピーＥは以下である。

他の誤作動アラームの大多数は、その軌道を追跡し続けることにより、抑えることが可能である。通例ノイズは短時間の瞬間にのみ発生し、軌道をもたない。例えば、最終フレームの軌道点の多くがまた障害物として検知されていて、この数のフレームの平均運動が正である場合、移動物体は誤作動アラームと見なされない。３０フレーム／秒（ｆｐｓ：ｆｒａｍｅｓ ｐｅｒ ｓｅｃｏｎｄ）において、例えば、最後の３フレームの２点の軌道点が認知されているかどうかがテスト可能である。より長い履歴により、判定はより良くなるが、システムの反応時間はより低くなる。

リージョンがあまりに大きく、あまりに多くの凹部を有する場合、そのリージョンはさらに考慮されなければならない。これは、リージョンサービスの違い、および凸包表面の違いとして単純に測定可能である。運動ベクトルのヒストグラムがこのリージョンに対してとられ、閾値が適合される。

図１０に、リージョン分割原理のブロック図を示す。普通は、シーケンスの画像は同様なものである。消点付近の自動車は非常に小さく、非常に低い運動を有する。運動はしばしば零ピクセルと１ピクセルとの間であるため、サブピクセル精度がここで非常に役に立つ場合がある。他方で、画像の右手側では移動物体は非常に大きく、非常に速くなる。距離が高くなる（左の消点付近）につれて全部の物体は小さくなるため、分散はそこで増加する。近い自動車のシート金属は、自動車が近いほど（ブロックごとに）大きくなるため、分散は低くなる。さもなければ、画像の左における消点付近ではテクスチャが多くなる。そのため、図１２に示すように、例えば左リージョン１２０２および右リージョン１２０４など、画像は少なくとも２つのリージョン（遠方リージョンおよび近隣リージョン）に分割される。

図１１に、僅かに重複するリージョン１１０２および１１０４を有する分割カメラの上面図を示す。どこの場所を分割するか（図１２における線１２０６を見よ）は、カメラ取付角度または消点１２１０にそれぞれ依存する。例えばこれは、画像幅の半分と３分の１との間のどこかである場合がある。境界における問題を回避するため、および急変を少なくするために、リージョンは僅かに重複する場合がある。

このように、運動推定および全部のアルゴリズムは、２つのリージョンの異なる性質にもっとよく適合可能である。例えば、運動推定の検索範囲がリージョンに適合される場合がある。右リージョン１２０４における検索範囲および整合ブロックサイズは、左リージョン１２０２よりも低い。

分類のためのトレーニングデータは、視点が変化するため、リージョンにおいて異なる。左エリア１２０２における移動物体として障害物は正面から見られ、一方右エリア１２０４における障害物は横から見られる。

図１３に示すように、２つのリージョン１３０２および１３０４に分割されている画像１３００は、ピクセルの数をアップサンプリングまたはダウンサンプリングすることにより、さらに処理可能である。右リージョン１３０４における構造がやや大きいため、計算時間を削減するためにダウンサンプリングが実行可能である。一方で左リージョン１３０２において、サブピクセル精度を与えるためにアップスケーリングが実行可能である。これらのリージョンの結果は、後で再びマージ可能である。

一眼パッシブ死角検知は（ブロックをもとにした）運動推定に基づくが、ここで従来のアプローチは通例問題を抱えている。提案する方法および装置を用いると、上述の基準に基づいて誤作動アラームがうまく拒絶され、問題に関連する大きな検索範囲および運動モデルは、リージョンの分割を使用して対処可能である。そのため、システム性能、精度、および信頼性は改善可能である。性能の改善に加え、リージョンの分割は計算コスト（検索範囲）を削減する。

一眼カメラは１つのカメラをただ必要とし、一方でステレオアプローチは高額な第２のカメラと難しい奥行き推定を必要とする。提案する装置および方法は完全にパッシブであり、これにより非常に安価となり、他のアクティブセンサとの干渉が全く発生しないはずである。システムは白黒およびカラー画像を処理可能である。

図１４に、提案する方法の概観を示す。後にステップＳ１４０４において例えばフィルタリングステップなどの前処理が行われる画像のシーケンスを、カメラセンサＳ１４０２が撮影する。その後、ブロックをもとにした運動推定がステップＳ１４０６において行われ、前進／後退運動ベクトル組合せがステップＳ１４０８において使用され、次のステップＳ１４１０においてメジアンフィルタが応用される。境界運動ベクトルが次のステップＳ１４１２において抑えられ、デカルト座標から極座標への変形が次のステップＳ１４１４において行われる。非妥当な運動ベクトルが次のステップＳ１４１６において抑えられ、その後同等の運動ベクトルを有するブロックのセグメント化またはグループ化がステップＳ１４１８において行われる。物体はステップＳ１４２０においてクローズされ（ｃｌｏｓｅｄ）て、対応するリージョンがステップＳ１４２２においてラベルされる。ステップＳ１４２４において、カメラセンサＳ１４０２により撮影された画像のシーケンスについて特徴抽出が行われ、特徴は次のステップＳ１４２６においてトレーニングデータを利用して分類される。ステップＳ１４２６における分類の結果、およびステップＳ１４２２におけるリージョンのラベルの結果を組み合わせて、全部のラベルについて誤作動アラーム拒絶ステップＳ１４２８が行われ、それによりステップ１４３０においてリージョン軌道が考慮される。その後、ステップＳ１４３０におけるボックスフィッティング、およびステップＳ１４３２における距離計算が、全部のラベルについて行われ、ステップＳ１４３４におけるフラット判定がその後実行可能である。

本発明の一実施形態の主要なステップを示す。 誤作動アラーム検知および画像をリージョンに分割することを含む、本発明のさらなる実施形態によるステップを示す。 本発明の一実施形態による死角検知装置を示す。 誤作動アラーム検知ユニットを有する死角検知装置の別の実施形態を示す。 リージョン分割ユニットを有する死角検知装置のさらなる実施形態を示す。 本発明のさらなる実施形態による死角検知装置を装備する車両の上面図を示す。 本発明の別の実施形態によるさらに詳細なステップ示す。 誤作動アラームを説明する図の一例を示す。 誤作動アラーム検知ユニットの一実施形態のブロック図を示す。 リージョン分割ユニットの一実施形態のブロック図を示す。 本発明のさらなる実施形態の上面図を示し、リージョン分割を示す。 本発明のさらなる実施形態におけるリージョン分割を説明するために、概略的な画像を示す。 本発明のさらなる実施形態による、異なるリージョンにおける異なるスケーリング処理を概略的に説明する。 なお本発明の別の実施形態の詳細なブロック図を示す。

Claims (21)

1. 車両の死角における移動物体を検知するための方法であって、
   前記死角の画像のシーケンスを撮影することと、
   前記シーケンスの前記画像の各々をブロックに分割することと、
   前記シーケンスの連続する画像間で移動を行った移動ブロックを識別することと、
   前記移動ブロックの前記移動の方向および距離を決定することと、
   所定の方向間隔内の方向および所定の距離間隔内の距離で移動されたと決定された隣接移動ブロックをグループ化することと、
   前記グループ化ステップに基づき前記移動物体を認識することと
   を含む方法。
2. 前記移動物体の間で少なくとも１つの誤作動アラームを決定することと、
   前記移動物体のうち少なくとも１つが誤作動アラームでない場合、アラームを生成することと
   をさらに含む請求項１に記載の方法。
3. 前記移動物体の物体サイズを決定することと、
   前記物体サイズを既定サイズと比較することと、
   前記物体サイズが前記既定サイズより小さい場合、前記誤作動アラームを生成することと
   を含む請求項２に記載の方法。
4. 前記画像内で消点を決定することをさらに含み、
   その場合前記既定サイズは、前記消点からの前記移動物体の距離に依存する、
   請求項３に記載の方法。
5. 前記画像内で消点を識別することと、
   前記移動物体の物体サイズを決定することと、
   前記消点からの前記移動物体の垂直距離を決定することと、
   前記物体サイズが既定の物体サイズを下回り、前記垂直距離が既定距離を上回る場合、前記誤作動アラームを生成することと、
   をさらに含む請求項２に記載の方法。
6. 前記移動物体のうち少なくとも１つの、ヒストグラムおよび／またはエッジをもとにした統計測定を計算することと、
   前記ヒストグラムおよび／またはエッジをもとにした統計測定を評価することと、
   前記評価ステップに基づき前記誤作動アラームを生成することと
   をさらに含む請求項２〜５のいずれかに記載の方法。
7. 前記統計測定は、分散、四分位数範囲、平均、メジアン、エネルギー、エッジエネルギー、均一性、滑度、３次モーメント、および／またはエントロピーである、請求項６に記載の方法。
8. 前記移動物体の軌道を評価することと、
   前記評価ステップに基づき前記誤作動アラームを生成することと
   をさらに含む請求項２〜７のいずれかに記載の方法。
9. 前記移動物体のサイズを決定することと、
   前記サイズが既定サイズよりも大きい場合、リージョン表面と凸包との間の差を計算することと、
   前記差が既定の差を上回る場合、前記移動物体を再び定めることと
   をさらに含む請求項２〜８のいずれかに記載の方法。
10. 前記シーケンスの前記画像を少なくとも２つのリージョンに分割すること
    をさらに含む請求項１〜９のいずれかに記載の方法。
11. 前記隣接ブロックをグループ化するステップにおいて、前記少なくとも２つのリージョンにおいて異なる基準を使用すること
    をさらに含む請求項１０に記載の方法。
12. 異なる検索リージョンおよび／または異なる整合ブロックサイズが異なる基準として使用される、請求項１１に記載の方法。
13. 前記少なくとも２つのリージョンにおいて移動物体を識別するのに、異なるトレーニングデータを使用すること
    をさらに含む請求項１０〜１２に記載の方法。
14. 前記少なくとも２つのリージョンにおいて異なって画像をアップスケーリングまたはダウンスケーリングすること
    をさらに含む請求項１０〜１３に記載の方法。
15. 前記シーケンスの前記画像を少なくとも２つのリージョンに分割することと、
    異なるリージョン内の誤作動アラームを識別するのに、異なる閾値を使用することと
    をさらに含む請求項２〜９に記載の方法。
16. 前記シーケンスの前記画像を２つのリージョンに分割すること
    をさらに含む請求項１０〜１５に記載の方法。
17. 車両のための死角検知装置であって、
    前記死角の画像のシーケンスを撮影するように構成されるカメラと、
    前記シーケンスの前記画像の各々をブロックに分割し、前記シーケンスの連続する画像間で移動を行った移動ブロックを識別し、前記移動ブロックの前記移動の方向および距離を決定し、所定の方向間隔内の方向および所定の距離間隔内の距離で移動されたと決定された隣接移動ブロックをグループ化するように構成され、移動物体を認識するようにさらに構成されるプロセッサと、
    前記死角における移動物体が検出された場合、危険な状況を表示するように構成されるインジケータと
    を備える死角検知装置。
18. 前記プロセッサと前記インジケータとに接続される誤作動アラーム拒絶ユニットをさらに備え、
    前記誤作動アラーム拒絶ユニットは、前記移動物体の間で誤作動アラームを識別するように構成され、
    その場合前記インジケータは、前記移動物体のうち少なくとも１つが誤作動アラームでない場合に、アラームを生成するようにさらに構成される、
    請求項１７に記載の死角検知装置。
19. 前記シーケンスの前記画像を少なくとも２つのリージョンに分割するように構成されるリージョン分割ユニット
    をさらに備える請求項１７〜１８のいずれかに記載の死角検知装置。
20. 前記移動物体への距離を決定するように構成されるアクティブセンサ
    をさらに備える請求項１７〜１９のいずれかに記載の死角検知装置。
21. プロセッサにロードされると、請求項１〜１６のいずれかに記載の方法を行うコンピュータプログラム符号を含むコンピュータプログラム製品。

Images