TW201248517A - Blind spot vehicle detection system and method - Google Patents

Description

201248517 六、發明說明： 【發明所屬之技術領域】 本發明係為一種影像式汽車偵測系統及方法，更詳而 言之是一種車用影像式盲點區域車輛偵測系統及方法，結 s兩種部件特徵(part-based feature)以及物體的中心資訊產 生分類器’將相機所擷取的盲點區域影像做特徵配對，並 辅以特徵間的相對位置進行投票程序，最後藉由分析投票 空間’達到盲點區域車輛偵測之目的。 【先前技術】 一般行車時，駕駛人須依靠直接目視，或透過後視鏡 來了解隔壁車道路況，以確保行車安全，如圖一所示（A為 可視區域，B為盲點區域）。然而，透過目視及後視鏡觀測 壁車道，並無法完整了解隔壁車道之路況，因此容易造 成行車的意外，因此我們將該可視區域未涵蓋之區域定義 為盲點區域，於一般行車時駕駛需藉由轉頭，或側身以確 〜目.‘.占區域疋否有來車，然而在高速行駛中，此舉容易造 成追撞或車返偏移等意外，若在未確認盲點區域路況的狀 況下任意變換車道，也容易與隔壁車道之車輛發生擦撞。 、為避免上述盲點區域造成行車意外情況，係透過影像 刀析方式進行車輛盲點區域價測，第二圖係為習知影像式 行車盲點區域偵測系統示意圖，如圖所示，該影像榻取裝 置21係設置於後視鏡2上，透過該設置於該後視鏡2上之^ ，擷取裝置2卜影像_取裝置亦可設置於駕驶與副手座之 窗戶上，擷取車輛側邊之車道景象。先前技術中的盲點區 201248517 域車輛偵測方法主要可分為兩大類：單一影像式(Single frame-based);以及運動式(Motion-based)方法，其中，單 一影像式盲點區域車輛憤測方法，藉由找出影像中車輛與 道路不同的特徵，定義出影像中可能為車輛的區域，例如 使用影像中亂度(Entropy)的分布、建立影像顯著圖 (Saliency map)、分析影像中邊緣(Edge)的分布，或是使用 圓形模板(Circular template)判斷可能存在車輛的區域。 運動式盲點區域車輛偵測方法主要學習車輛運動所造 成之影像®形’例如，壯賴影機⑼鳴㈤㈣持續偵 測影像中移動的物體’並確立同—時間兩個攝影機所取得、 之影像的相似處，再確立與下一時間所取得之影像的相似 處，最後判斷哪個物體是獨立移動的物體。 然而’單-影像式盲點區域車輛偵測方法容易受影像 中雜訊_se)干擾，無法精準偵測出影像中是否存在車輛 ，車輛位置。而運動式盲點區域車輛偵測方法，由於車輛 ^於，動狀態’會造成背景與盲點區域車輛之相對移動方 D不疋，造成車輛移動模型製作困難。 車安全1備_^ 於咖__影像式行 錢収製作上也不盡相同，因 在預賴的縣也，目此， 及邊緣特社盲_職統，且 j外觀 盲點區域車輛偵測系統及1方佳之系影像式 業者虽待解決之重要技綱I乃為目前車_測系統 201248517 【發明内容】 馨於上述習知技術之缺點，本發明之主要目的在於提供 -種影像式盲祕域車輛_系統及其方法，透過設置於車 輛上之複數影像設備，郷像巾擷取邊緣以及外觀特徵 這些特徵做適當的群組以擇後產生偵測結果，提供 者隔壁車道狀況，藉以提高行車的安全性。 w /本發明另-目的在於提供—種影像式盲點區域車輛偵測 系統^其方法邊雜徵及外觀賴進行影像辨識，、藉 以提咼盲點區域車輛彳貞測之準確性。 因此’本發明储供-種影像式盲點_車姉測系统 及其方法’係包括：影像擷轉置，係設置於車輛上用以棟 取側方盲雜域之影像；以及處理模組，肋接收盲點區域 之影像，利用事先建立好之分類器分析由該影像取出的邊緣 特徵(edge-based feature)以及外觀特徵(appearance based feature)是歸合側方車輛之碰，加上彻各㈣徵之間的 幾何位置_來麟此影像中是否存在車輛以及其位置。 【實施方式】 以下係藉由特定的具體實例說明本發明之實施方式，熟 悉此技藝之人何由本綱書所揭*之内雜㈣瞭解本創 作之其他優點與功效。 請參閱第三圖，係為本發明影像式盲點區域車輛偵测系 統，如圖所示，係將該系統流程係分為兩大部分。一為訓練 分類器si步驟，另一步驟為進行車輛偵測S2 ;訓練分類器 201248517 練影像SU ’將該輸入之訓練影像SU透過影像 月处 2 (Imagepreprocessing)，經由影像前處理以2的 過程後，從影像中擷取出特徵條件S13，其中，該特徵條件 S13係包括邊緣特徵8以及外觀特徵S13B，將各該特徵條件 Si3做適當的群組以及選擇後’即可形成作為判斷偵測影像 之分類器X ;該車輛偵測S2係提供一欲偵測影像S2卜並對 該輸入彳貞測影像S21進行影像前處理522，再對該偵測影功 進行比較，將該偵測影像S22中較具特徵區域S23，取出該影 像中該較具特徵的部份，湘先前訓練分_、χ進行配對， 尋找影像中較相符的特徵，並將符合該影像部分進行—投票 程序，最後分析其影像投票部分，產生影像偵測結果ζ。 如第四圖所示’係為本發明訓練分類器流程圖，如圖所 示’本發明主要係結合邊緣特徵及外觀特徵兩區域特徵，藉 由該兩種區域職描述車道狀況，其巾，料麟徵4係於 訓練或偵測影像中，運用Speeded_UpR〇bustFeatures(suRF) interest point detector方式定出擷取位置，將不因影像大小變 化而改變之SURF特徵點41選出，透過制卿特徵點41的位 置取出固疋大小的影像補丁41 A(Image patch)與該影像 中心點方向向量41B，產生外觀特徵41〇。 如第五圖所示，係為本發明邊緣特徵擷取的流程圖，如 圖所示，於本發明中關於邊緣特徵，吾人參考〇邮氏之論文 (請參見，A. Opelt，A· Pinz, and A. ZiSserman，"Learning an Alphabet of Shape and Appearance for Multi-Class Object Detection；- International Journal of Computer Vision, vol. 80, 6 201248517 ΡΡ· 16-44,2008.) ’先於訓練或測試影像5〇中使用s〇bel邊緣 H艮异法51 ’對於影像中之邊緣片段(Edgeseginent)51A， 除了記錄其邊緣分佈(紀錄為幻外，另外也記錄了其與影像 中心點之方向向量(紀錄為％)51B，以此方向向量及邊緣片 段組成邊緣特徵5〇〇，定義為。 至此因兩特徵之數量太過龐大，且具有一定之重複性， ，吾人在此提出一階層式特徵群組法(Feature Clustering)將相似 之特徵組合成一群組，如第六圖*所示，係為本發明特徵結合 訓練器流程圖，利用高斯分布模型模擬各群組中特徵的方向 向里長度，儲存其平均值以及變異數。再利用Adaboost演算 法61藉由將各特徵4,5對應回訓練影像6〇，選出較具代表性之 特徵，在選擇的過程，吾人以[公式丨]決定其權重： V7,) = 攸极⑽(入;+ (1 - ，（)） [公式1] 其中Match$core計算特徵fk,j與影像中某特徵點間之相 似度’ CentroidDist計算特徵fkj儲存的方向向賣所指向之中 心點與實際影像巾⑽差距’再將騎應回先前步驟所計算 出之高斯分布機率值’最後崎雜徵組合成分類器_。 如第七圖所示，係為本發明車輛偵測之流程圖，如圖所 不’提出依欲伽彳之影像7卜透過先前步騎辑出的分類 器71A對其做特徵配對72，結合各特徵間彼此的相對位置關 係找出局可靠度區域73 ’讓各配對的特徵做__物體中心點位 置的加權投票，再分析其影像投票部分找出合理的物體中心 區域，再將此區域投票之特徵做反投影步驟，找出—個具有 201248517 該些特徵的區域，此區域亦為汽車所在位置。 上述之實施例僅為例示性說明本發明之特點及其功效， 而非用於關本發狀實質技_容的麵。任何熟習’此技 藝之人士均可在不違背本發明之精神及範疇下，對上述實施 例進行修飾與變化。因此，本發明之_賴翻，應如後 述之申請專利範圍所列。 【圖式簡單說明】 圖一係為車輛視角位置示意圖； 圖二係為f知影像式行車盲點區域制系統示意圖； 圖二係為本發明影像式盲點區域車輛偵測系統； 圖四係為本發科觀特徵娜絲® ;以及 圖五係為本發明邊緣特徵擷取的流程圖 圖六係為本發明特徵結合訓練器流程圖 圖七係為本發明車輛_之流程圖。 【主要元件符號說明】 A 可視區域 2 後視鏡 S1 訓練分類器 S11 訓練影像 S13 特徵條件 S13B、4 外觀特徵 S22 影像前處理 X、51 分類器 40 輸入影像 B 盲點區域 21 影像擷取裝置 S2 行車輛偵測 S12 影像前處理 S13A 邊緣特徵 S21 偵測影像 S23 特徵區域 Z 偵測結果 41A 影像補丁 8 201248517 41 SURF特徵點擷取 400 外觀特徵 51 邊緣特徵點擷取 51B 邊緣特徵點方向向量 61 串接式Adaboost結合 71 欲偵測之影像 73 高可靠度區域 41B 特徵點方向向量 50 輸入影像 51A 邊緣片段 60 結合特徵訓練器 600 分類器 72 特徵配對

Claims (1)

1. 201248517 七、申請專利範圍： 1 ·種像式盲點區域車輛债測系統，係包括： 影像榻取裝置，係設置於車輛上用以擷取側方盲點區域之 影像；以及 處理模組，用以接收盲點區域之影像，利用事先建立好之 分類器分析判斷是否符合側方車輛之特徵，加上利用各個 特徵之間的幾何位置關係來判斷此影像中是否存在車輛以 及其位置。 2.如申請專利範圍第1項所述之影像式盲點區域車輛偵測系 統，其中，該影像擷取裝置係包含左側影像擷取模組、右 側影像擷取模組。 3 ‘如申請專利範圍第2項所述之影像式盲點區域車輛偵測系 統，其中，該左側影像擷取模組及該右側影像擷取模組分 別設於該車輛之左、右側邊位置，以獲取該車輛左、右後 側之影像資料。 4 ·如申請專纖JU第3項所述之影像式f祕域車輛偵測系 統，其中，該影像資料係包含於該車輛左、右後側之影像 資料。 5. 如申請專纖圍第1柄述之影像式盲點區域車輛偵測系 統’其中’該分類器係由邊緣特徵(edge_basedfeature)以及 外觀特徵(appearance-based feature)所形成。 6. —種影像式盲點區域車輛偵測方法，係包括： 提供一設置於車輛上之影像擷取裝置； 利用該影像擷取裝置擷取側方盲點區域之影像；以及 201248517 位置 提供一具有分類器之處理模組，透過該事先建立好之分類 器分析判斷是否符合側方車柄之特徵，加上利用各個特徵 之間的幾何位置關係來判斷此影像中是否存在車輛以及其 7.如申請專利範圍第6項所述之影像式盲點區域車輛偵測方 法，其中，遠影像式盲點區域車輛偵測方法之步驟，係了 刀為（）β川練为類态，以及(一）車輛偵測兩個步驟^ 8‘如申請糊賴第7項所述之影像式盲轉域車輛偵測方 法’其中’該訓練分類器之步驟係包括： (a) 輸入盲點區域訓練影像； (b) 擷取影像中之邊緣特徵讼及外觀特徵； (c) 結合並篩選出其中有用之特徵；以及 (e)產生分類器。 9.如申請專概圍幻賴述之影像式― 法，其中，該車輛_之步驟係包括：。 _方 (a)輸入盲點區域影像； ⑼擷取影像中之邊緣特徵以及外觀特徵； ⑷利用分類器中的特徵與影像中齡出之特徵配對； ⑼ϋ配對成功的特徵中記錄之位置向量做車輛中心點之 投票，以及 (e)產生偵測結果。 11 201248517