RU2017109073A - Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры - Google Patents
Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры Download PDFInfo
- 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
Links
- 238000001514 detection method Methods 0.000 title claims 3
- 238000000034 method Methods 0.000 claims 21
- 238000013528 artificial neural network Methods 0.000 claims 14
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.
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)
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)
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 |
-
2016
- 2016-03-21 US US15/076,407 patent/US10055652B2/en active Active
-
2017
- 2017-03-15 CN CN201710152991.9A patent/CN107220581B/zh active Active
- 2017-03-16 GB GB1704231.8A patent/GB2550262A/en not_active Withdrawn
- 2017-03-17 MX MX2017003588A patent/MX2017003588A/es unknown
- 2017-03-20 RU RU2017109073A patent/RU2017109073A/ru not_active Application Discontinuation
- 2017-03-20 DE DE102017105903.2A patent/DE102017105903A1/de active Pending
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 |