RU2017109073A - Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры - Google Patents

Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры Download PDF

Info

Publication number
RU2017109073A
RU2017109073A RU2017109073A RU2017109073A RU2017109073A RU 2017109073 A RU2017109073 A RU 2017109073A RU 2017109073 A RU2017109073 A RU 2017109073A RU 2017109073 A RU2017109073 A RU 2017109073A RU 2017109073 A RU2017109073 A RU 2017109073A
Authority
RU
Russia
Prior art keywords
images
neural network
vehicle
pedestrian
pedestrians
Prior art date
Application number
RU2017109073A
Other languages
English (en)
Inventor
Скотт Винсент МАЙЕРС
Венкатапатхи Раджу НАЛЛАПА
МУРАЛИ Видия НАРИЯМБУТ
Мадлен Джейн ГОХ
Original Assignee
ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
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 ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи filed Critical ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
Publication of RU2017109073A publication Critical patent/RU2017109073A/ru

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Claims (46)

1. Способ, содержащий этапы, на которых:
принимают одно или более изображений от обращенной назад камеры на транспортном средстве;
определяют с помощью компьютерной системы, что пешеход присутствует на одном или более изображениях;
прогнозируют с помощью компьютерной системы, основываясь на одном или более изображениях, будущее движение пешехода; и
уведомляют с помощью компьютерной системы систему помощи водителю или систему автоматизированного вождения, когда существует конфликтная ситуация между движением вперед транспортного средства и этим будущим движением.
2. Способ по п. 1, в котором определение содержит этапы, на которых:
обрабатывают с помощью компьютерной системы одно или более изображений с использованием первой нейронной сети для определения одного или более мест, где пешеходы, вероятно, расположены в пределах одного или более изображений; и
обрабатывают с помощью компьютерной системы одно или более мест на одном или более изображениях с использованием второй нейронной сети для определения того, что пешеход присутствует;
3. Способ по п. 2, в котором прогнозирование содержит этап, на котором определяют на основе одного или более изображений скорость и направление пешехода.
4. Способ по п. 3, в котором прогнозирование дополнительно содержит этап, на котором определяют на основе одного или более изображений местоположение пешехода относительно транспортного средства.
5. Способ по п. 4, в котором будущее движение содержит движение за пределами обзора обращенной назад камеры.
6. Способ по п. 5, в котором первая нейронная сеть содержит сеть, обученную определять приблизительные места в пределах одного или более изображений, которые, вероятно, содержат пешеходов.
7. Способ по п. 6, в котором первая нейронная сеть создает карту заметности, указывающую наиболее вероятные местоположения пешеходов.
8. Способ по п. 7, в котором карта заметности имеет более низкое разрешение, чем одно или более изображений.
9. Способ по п. 8, в котором вторая нейронная сеть обрабатывает одно или более мест в пределах одного или более изображений при полном разрешении.
10. Способ по п. 1, в котором:
обращенная назад камера представляет собой камеру заднего вида; и
одно или более изображений захватывают камерой заднего вида, в то время как у транспортного средства включена передача переднего хода.
11. Способ обнаружения пешеходов, содержащий этапы, на которых:
принимают одно или более изображений от обращенной назад камеры на транспортном средстве, причем одно или более изображений захватывают, в то время как у транспортного средства включена передача переднего хода;
определяют с помощью первой нейронной сети компьютерной системы одно или более изображений для определения одной или более областей, где пешеходы, вероятно, расположены в пределах одного или более изображений;
определяют с помощью второй нейронной сети компьютерной системы, что пешеход присутствует в по меньшей мере одной из одной или более областей;
прогнозируют с помощью компьютерной системы, основываясь на одном или более изображениях, будущее движение пешехода, причем прогнозируемое будущее движение содержит движение за пределами обзора обращенной назад камеры; и
уведомляют с помощью компьютерной системы систему помощи водителю или систему автоматизированного вождения, когда существует конфликтная ситуация между движением вперед транспортного средства и этим прогнозируемым будущим движением.
12. Способ по п. 11, в котором прогнозирование содержит этап, на котором определяют на основе одного или более изображений скорость и направление пешехода.
13. Способ по п. 12, в котором прогнозирование дополнительно содержит этап, на котором определяют на основе одного или более изображений местоположение пешехода относительно транспортного средства.
14. Способ по п. 13, в котором:
первая нейронная сеть создает одну или более карт заметности, указывающих одну или более областей;
каждая из одной или более карт заметности имеет более низкое разрешение, чем одно или более изображений; и
вторая нейронная сеть обрабатывает одну или более областей в пределах одного или более изображений при полном разрешении.
15. Система, содержащая:
обращенную назад камеру, размещенную на транспортном средстве, для захвата одного или более изображений области позади транспортного средства;
компонент заметности, выполненный с возможностью обработки одного или более изображений с использованием первой нейронной сети для создания одной или более карт заметности с низким разрешением, указывающих одну или более областей, где пешеход наиболее вероятно расположен в пределах одного или более изображений;
компонент обнаружения, выполненный с возможностью обработки одной или более областей с использованием второй нейронной сети для определения для каждой из одной или более областей того, присутствует ли пешеход;
компонент прогнозирования, выполненный с возможностью обработки одного или более изображений для прогнозирования будущего движения одного или более пешеходов, запечатленных на одном или более изображениях; и
компонент уведомлений, выполненный с возможностью обеспечения уведомления, указывающего конфликтную ситуацию между движением вперед транспортного средства и прогнозируемым будущим движением одного или более пешеходов.
16. Система по п. 15, в которой компонент прогнозирования выполнен с возможностью:
определения на основе одного или более изображений скорости и направления для каждого из одного или более пешеходов;
определения на основе одного или более изображений местоположения для каждого из одного или более пешеходов относительно транспортного средства; и
прогнозирования будущего движения одного или более пешеходов по меньшей мере частично на основе скорости, направления и местоположения для каждого из одного или более пешеходов.
17. Система по п. 16, в которой одна или более карт заметности имеют более низкие разрешения, чем одно или более изображений.
18. Система по п. 17, в которой компонент обнаружения использует вторую нейронную сеть для обработки при полном разрешении одной или более областей в пределах одного или более изображений.
19. Система по п. 18, в которой вторая нейронная сеть содержит классификатор на основе глубокой нейронной сети, который обучен с использованием кадрированных ограничивающих прямоугольников наземного контроля данных определять, что пешеход присутствует или не присутствует.
20. Система по п. 15, в которой:
обращенная назад камера представляет собой камеру заднего вида; и
одно или более изображений захватываются камерой заднего вида, в то время как у транспортного средства включена передача переднего хода.
RU2017109073A 2016-03-21 2017-03-20 Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры RU2017109073A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/076,407 2016-03-21
US15/076,407 US10055652B2 (en) 2016-03-21 2016-03-21 Pedestrian detection and motion prediction with rear-facing camera

Publications (1)

Publication Number Publication Date
RU2017109073A true RU2017109073A (ru) 2018-09-20

Family

ID=58688510

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017109073A RU2017109073A (ru) 2016-03-21 2017-03-20 Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры

Country Status (6)

Country Link
US (1) US10055652B2 (ru)
CN (1) CN107220581B (ru)
DE (1) DE102017105903A1 (ru)
GB (1) GB2550262A (ru)
MX (1) MX2017003588A (ru)
RU (1) RU2017109073A (ru)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016211587A1 (de) * 2016-06-28 2017-12-28 Robert Bosch Gmbh Verfahren und Vorrichtung zum Steuern eines Fahrzeugs
US10496091B1 (en) * 2016-08-17 2019-12-03 Waymo Llc Behavior and intent estimations of road users for autonomous vehicles
US10196058B2 (en) * 2016-11-28 2019-02-05 drive.ai Inc. Method for influencing entities at a roadway intersection
JP6532616B2 (ja) * 2016-12-07 2019-06-19 三菱電機株式会社 表示制御装置、表示システム、及び、表示制御方法
US10261513B2 (en) 2016-12-19 2019-04-16 drive.ai Inc. Methods for communicating state, intent, and context of an autonomous vehicle
US10318827B2 (en) * 2016-12-19 2019-06-11 Waymo Llc Object detection neural networks
US10796204B2 (en) * 2017-02-27 2020-10-06 Huawei Technologies Co., Ltd. Planning system and method for controlling operation of an autonomous vehicle to navigate a planned path
JP6470335B2 (ja) * 2017-03-15 2019-02-13 株式会社Ｓｕｂａｒｕ 車両の表示システム及び車両の表示システムの制御方法
JP6852534B2 (ja) * 2017-04-12 2021-03-31 アイシン精機株式会社 障害物検知報知装置、方法及びプログラム
US10402687B2 (en) 2017-07-05 2019-09-03 Perceptive Automata, Inc. System and method of predicting human interaction with vehicles
US9947228B1 (en) * 2017-10-05 2018-04-17 StradVision, Inc. Method for monitoring blind spot of vehicle and blind spot monitor using the same
US11048927B2 (en) 2017-10-24 2021-06-29 Waymo Llc Pedestrian behavior predictions for autonomous vehicles
DE102017221381A1 (de) * 2017-11-29 2019-05-29 Robert Bosch Gmbh Verfahren, Vorrichtung und Computerprogramm zum Ermitteln eines Abstandes zu einem Objekt
US10913454B2 (en) * 2017-12-13 2021-02-09 Humanising Autonomy Limited Systems and methods for predicting pedestrian intent
JP6917878B2 (ja) 2017-12-18 2021-08-11 日立Astemo株式会社 移動体挙動予測装置
US10755115B2 (en) * 2017-12-29 2020-08-25 Here Global B.V. Method, apparatus, and system for generating synthetic image data for machine learning
US11282389B2 (en) * 2018-02-20 2022-03-22 Nortek Security & Control Llc Pedestrian detection for vehicle driving assistance
US20190279100A1 (en) * 2018-03-09 2019-09-12 Lattice Semiconductor Corporation Low latency interrupt alerts for artificial neural network systems and methods
JP2019156180A (ja) * 2018-03-13 2019-09-19 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
DE102018206805B3 (de) * 2018-05-03 2019-09-12 Robert Bosch Gmbh Verfahren, Vorrichtung und Computerprogramm zum Prädizieren einer zukünftigen Bewegung eines Objekts
US20200001779A1 (en) 2018-06-27 2020-01-02 drive.ai Inc. Method for communicating intent of an autonomous vehicle
DE102018212655A1 (de) * 2018-07-30 2020-01-30 Conti Temic Microelectronic Gmbh Erkennung der Bewegungsabsicht eines Fußgängers aus Kamerabildern
CN109147388B (zh) * 2018-08-16 2020-07-31 大连民族大学 判断道路行人为吸力关系的方法及系统
CN109118787B (zh) * 2018-08-20 2020-08-04 浙江工业大学 一种基于深度神经网络的车辆速度预测方法
CN110895663B (zh) * 2018-09-12 2023-06-02 杭州海康威视数字技术股份有限公司 一种两轮车识别方法、装置、电子设备及监控系统
US10474930B1 (en) * 2018-10-05 2019-11-12 StradVision, Inc. Learning method and testing method for monitoring blind spot of vehicle, and learning device and testing device using the same
JP7222216B2 (ja) * 2018-10-29 2023-02-15 株式会社アイシン 運転支援装置
US11648951B2 (en) 2018-10-29 2023-05-16 Motional Ad Llc Systems and methods for controlling actuators based on load characteristics and passenger comfort
US10936912B2 (en) * 2018-11-01 2021-03-02 International Business Machines Corporation Image classification using a mask image and neural networks
DE102018128634A1 (de) * 2018-11-15 2020-05-20 Valeo Schalter Und Sensoren Gmbh Verfahren zum Bereitstellen einer visuellen Information über zumindest einen Teil einer Umgebung, Computerprogrammprodukt, mobiles Kommunikationsgerät und Kommunikationssystem
US11508122B2 (en) 2019-01-04 2022-11-22 Qualcomm Incorporated Bounding box estimation and object detection
CN109919067A (zh) * 2019-02-27 2019-06-21 智慧海派科技有限公司 一种影像辨识方法及安全的自动驾驶方法
JP6745465B1 (ja) * 2019-03-06 2020-08-26 パナソニックＩｐマネジメント株式会社 車両及びカメラモジュール
CN113811886B (zh) 2019-03-11 2024-03-19 辉达公司 自主机器应用中的路口检测和分类
DE102020111250A1 (de) 2019-04-25 2020-10-29 Aptiv Technologies Limited Grafische benutzerschnittstelle zur anzeige des verhaltens autonomer fahrzeuge
US11472291B2 (en) 2019-04-25 2022-10-18 Motional Ad Llc Graphical user interface for display of autonomous vehicle behaviors
US11157784B2 (en) * 2019-05-08 2021-10-26 GM Global Technology Operations LLC Explainable learning system and methods for autonomous driving
US11007929B2 (en) * 2019-05-29 2021-05-18 GM Global Technology Operations LLC Multimodal vehicle-to-pedestrian notification system
CN110348376B (zh) * 2019-07-09 2021-05-14 华南理工大学 一种基于神经网络的行人实时检测方法
US11763163B2 (en) 2019-07-22 2023-09-19 Perceptive Automata, Inc. Filtering user responses for generating training data for machine learning based models for navigation of autonomous vehicles
US20210056357A1 (en) * 2019-08-19 2021-02-25 Board Of Trustees Of Michigan State University Systems and methods for implementing flexible, input-adaptive deep learning neural networks
DE102019212894A1 (de) * 2019-08-28 2021-03-04 Robert Bosch Gmbh Verhaltensprädiktion von Verkehrsteilnehmern
US11614739B2 (en) 2019-09-24 2023-03-28 Apple Inc. Systems and methods for hedging for different gaps in an interaction zone
US11205082B2 (en) 2019-10-08 2021-12-21 Toyota Research Institute, Inc. Spatiotemporal relationship reasoning for pedestrian intent prediction
DE102019127176A1 (de) * 2019-10-09 2021-04-15 Ford Global Technologies, Llc Steuern eines autonomen Fahrzeugs
US11615266B2 (en) 2019-11-02 2023-03-28 Perceptive Automata, Inc. Adaptive sampling of stimuli for training of machine learning based models for predicting hidden context of traffic entities for navigating autonomous vehicles
RU2769921C2 (ru) 2019-11-21 2022-04-08 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способы и системы для автоматизированного определения присутствия объектов
DE102019132012A1 (de) * 2019-11-26 2021-05-27 Connaught Electronics Ltd. Verfahren und System zur Detektion von kleinen unklassifizierten Hindernissen auf einer Straßenoberfläche
US11354913B1 (en) * 2019-11-27 2022-06-07 Woven Planet North America, Inc. Systems and methods for improving vehicle predictions using point representations of scene
US11462020B2 (en) 2020-01-03 2022-10-04 Ford Global Technologies, Llc Temporal CNN rear impact alert system
WO2021216570A1 (en) * 2020-04-21 2021-10-28 Polaris Industries Inc. Systems and methods for operating an all-terrain vehicle
CN113627220A (zh) * 2020-05-09 2021-11-09 上海汽车集团股份有限公司 一种电动尾门的开启控制方法及装置
EP4149807A4 (en) * 2020-05-14 2024-05-15 Perceptive Automata Inc TURN-AWARE MACHINE LEARNING FOR TRAFFIC BEHAVIOR PREDICTION
AT524306B1 (de) * 2020-09-10 2022-09-15 Pke Holding Ag Modellierung einer Situation
US20220111860A1 (en) * 2020-10-14 2022-04-14 Volkswagen Aktiengesellschaft Detecting objects and determining behaviors of objects
CN113420714B (zh) * 2021-07-12 2023-08-22 浙江大华技术股份有限公司 一种采集图像上报方法、装置及电子设备
CN114265398B (zh) * 2021-11-16 2023-12-15 长安大学 自动驾驶车辆轨迹规划方法、装置、电子设备及存储介质
CN114241762B (zh) * 2021-12-14 2022-11-15 深圳市鹏城交通网络股份有限公司 一种基于物联网的智慧城市交通综合数据采集分析系统

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001240100A1 (en) * 2000-03-10 2001-09-24 Sensormatic Electronics Corporation Method and apparatus for video surveillance with defined zones
US20020154833A1 (en) * 2001-03-08 2002-10-24 Christof Koch Computation of intrinsic perceptual saliency in visual environments, and applications
JP2005309660A (ja) 2004-04-20 2005-11-04 Nissan Motor Co Ltd 車両用右左折支援装置
JP2005309797A (ja) * 2004-04-22 2005-11-04 Nissan Motor Co Ltd 歩行者警報装置
JP2006031443A (ja) * 2004-07-16 2006-02-02 Denso Corp 衝突回避通知システム
EP1696669B1 (en) * 2005-02-24 2013-07-03 Aisin Seiki Kabushiki Kaisha Vehicle surrounding monitoring device
FR2884008A1 (fr) * 2005-03-31 2006-10-06 France Telecom Systeme et procede de localisation de points d'interet dans une image d'objet mettant en oeuvre un reseau de neurones
JP2007064894A (ja) * 2005-09-01 2007-03-15 Fujitsu Ten Ltd 物体検出装置、物体検出方法および物体検出プログラム
JP4744995B2 (ja) 2005-09-08 2011-08-10 クラリオン株式会社 車両用障害物検出装置
JP2007148835A (ja) * 2005-11-28 2007-06-14 Fujitsu Ten Ltd 物体判別装置、報知制御装置、物体判別方法および物体判別プログラム
JP4426535B2 (ja) * 2006-01-17 2010-03-03 本田技研工業株式会社 車両の周辺監視装置
US8232872B2 (en) * 2009-12-03 2012-07-31 GM Global Technology Operations LLC Cross traffic collision alert system
JP2011118753A (ja) * 2009-12-04 2011-06-16 Denso Corp 接近報知装置、および接近報知プログラム
EP2615596A4 (en) * 2010-09-08 2017-12-06 Toyota Jidosha Kabushiki Kaisha Moving-object prediction device, virtual-mobile-object prediction device, program, mobile-object prediction method, and virtual-mobile-object prediction method
GB2485390A (en) * 2010-11-12 2012-05-16 Sony Corp Video Surveillance System that Detects Changes by Comparing a Current Image with a Reference Image
CN102096803B (zh) * 2010-11-29 2013-11-13 吉林大学 基于机器视觉的行人安全状态识别系统
CN102765365B (zh) * 2011-05-06 2014-07-30 香港生产力促进局 基于机器视觉的行人检测方法及行人防撞预警系统
JP5603835B2 (ja) * 2011-06-27 2014-10-08 クラリオン株式会社 車両周囲監視装置
JP5911165B2 (ja) * 2011-08-05 2016-04-27 株式会社メガチップス 画像認識装置
WO2013046408A1 (ja) * 2011-09-29 2013-04-04 トヨタ自動車株式会社 画像表示装置及び画像表示方法
WO2013084317A1 (ja) * 2011-12-07 2013-06-13 トヨタ自動車株式会社 表示制御装置
US9317776B1 (en) * 2013-03-13 2016-04-19 Hrl Laboratories, Llc Robust static and moving object detection system via attentional mechanisms
DE112012005852T5 (de) * 2012-02-10 2014-11-27 Mitsubishi Electric Corporation Fahrerassistenzvorrichtung und Fahrerassistenzverfahren
EP2728513A1 (en) * 2012-10-31 2014-05-07 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Detection of human actions from video data
JPWO2014192370A1 (ja) * 2013-05-31 2017-02-23 日立オートモティブシステムズ株式会社 車両制御装置
JP6188471B2 (ja) * 2013-07-26 2017-08-30 アルパイン株式会社 車両後側方警報装置、車両後側方警報方法および立体物検出装置
CN103745203B (zh) * 2014-01-15 2017-03-15 南京理工大学 基于视觉注意和均值漂移的目标检测与跟踪方法
JP5949803B2 (ja) * 2014-02-07 2016-07-13 トヨタ自動車株式会社 衝突検出装置
DE102014205014A1 (de) * 2014-03-18 2015-09-24 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Erfassen von bewegten Objekten in der Umgebung eines Fahrzeugs
US9195903B2 (en) * 2014-04-29 2015-11-24 International Business Machines Corporation Extracting salient features from video using a neurosynaptic system
KR101579098B1 (ko) * 2014-05-23 2015-12-21 엘지전자 주식회사 스테레오 카메라, 이를 구비한 차량 운전 보조 장치, 및 차량
US9569696B1 (en) * 2015-08-12 2017-02-14 Yahoo! Inc. Media content analysis system and method

Also Published As

Publication number Publication date
GB201704231D0 (en) 2017-05-03
CN107220581A (zh) 2017-09-29
US20170270374A1 (en) 2017-09-21
DE102017105903A1 (de) 2017-09-21
GB2550262A (en) 2017-11-15
CN107220581B (zh) 2022-04-29
US10055652B2 (en) 2018-08-21
MX2017003588A (es) 2018-08-16

Similar Documents

Publication Publication Date Title
RU2017109073A (ru) Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры
CN107914708B (zh) 后方障碍物检测和距离估算
US9836657B2 (en) System and method for periodic lane marker identification and tracking
JP4426535B2 (ja) 車両の周辺監視装置
JP5407898B2 (ja) 対象物検出装置及びプログラム
CN106647776B (zh) 车辆变道趋势的判断方法、判断装置和计算机存储介质
EP2993654B1 (en) Method and system for forward collision warning
JP6313646B2 (ja) 外界認識装置
EP2549457B1 (en) Vehicle-mounting vehicle-surroundings recognition apparatus and vehicle-mounting vehicle-surroundings recognition system
EP2815383B1 (en) Time to collision using a camera
US20130286205A1 (en) Approaching object detection device and method for detecting approaching objects
EP3594853A2 (en) Method for detecting moving objects in a blind spot region of a vehicle and blind spot detection device
US9042639B2 (en) Method for representing surroundings
JP4173902B2 (ja) 車両周辺監視装置
JP6045889B2 (ja) 車載用制御装置
JP2007228448A (ja) 撮像環境認識装置
JP2010257377A (ja) 車両周辺監視装置
JP5898001B2 (ja) 車両周辺監視装置
JP4521642B2 (ja) 車両周辺監視装置、車両、車両周辺監視プログラム
JP2015153295A (ja) 外界認識システム、車両、及びカメラの汚れ検出方法
CN111145569A (zh) 一种道路监测、车辆行驶控制方法、装置及车路协同系统
TW201422473A (zh) 可追蹤移動物體之防撞警示方法及其裝置
JP5997962B2 (ja) 車載レーンマーカ認識装置
JP7031157B2 (ja) 物体検出方法及び物体検出装置
JP2007188349A (ja) 後方車両解析装置及び衝突予測装置

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20200323