TW201248517A - Blind spot vehicle detection system and method - Google Patents
Blind spot vehicle detection system and method Download PDFInfo
- Publication number
- TW201248517A TW201248517A TW100117660A TW100117660A TW201248517A TW 201248517 A TW201248517 A TW 201248517A TW 100117660 A TW100117660 A TW 100117660A TW 100117660 A TW100117660 A TW 100117660A TW 201248517 A TW201248517 A TW 201248517A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- vehicle
- blind spot
- spot area
- features
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
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)
- 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
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100117660A TW201248517A (en) | 2011-05-20 | 2011-05-20 | Blind spot vehicle detection system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100117660A TW201248517A (en) | 2011-05-20 | 2011-05-20 | Blind spot vehicle detection system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201248517A true TW201248517A (en) | 2012-12-01 |
Family
ID=48138752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100117660A TW201248517A (en) | 2011-05-20 | 2011-05-20 | Blind spot vehicle detection system and method |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW201248517A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI550440B (zh) * | 2014-12-09 | 2016-09-21 | 由田新技股份有限公司 | 人員使用手持裝置的偵測方法以及系統 |
TWI696905B (zh) * | 2018-11-19 | 2020-06-21 | 威盛電子股份有限公司 | 車輛盲區偵測方法 |
CN111339877A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 盲区的长度检测方法、装置、电子设备及存储介质 |
-
2011
- 2011-05-20 TW TW100117660A patent/TW201248517A/zh unknown
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI550440B (zh) * | 2014-12-09 | 2016-09-21 | 由田新技股份有限公司 | 人員使用手持裝置的偵測方法以及系統 |
TWI696905B (zh) * | 2018-11-19 | 2020-06-21 | 威盛電子股份有限公司 | 車輛盲區偵測方法 |
CN111339877A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 盲区的长度检测方法、装置、电子设备及存储介质 |
CN111339877B (zh) * | 2020-02-19 | 2023-04-07 | 阿波罗智联(北京)科技有限公司 | 盲区的长度检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grubb et al. | 3D vision sensing for improved pedestrian safety | |
Mukhtar et al. | Vehicle detection techniques for collision avoidance systems: A review | |
Xu et al. | Detection of sudden pedestrian crossings for driving assistance systems | |
JP4456086B2 (ja) | 車両周辺監視装置 | |
Gandhi et al. | Pedestrian collision avoidance systems: A survey of computer vision based recent studies | |
JP6384182B2 (ja) | 道路上の線形指示標識の検出方法及び装置 | |
CN103488973B (zh) | 基于图像的车辆品牌识别方法和系统 | |
US8737747B2 (en) | Method for automated tire detection and recognition | |
Ogale | A survey of techniques for human detection from video | |
JP4692344B2 (ja) | 画像認識装置 | |
Sarikan et al. | Automated vehicle classification with image processing and computational intelligence | |
JP2013232091A (ja) | 接近物体検知装置、接近物体検知方法及び接近物体検知用コンピュータプログラム | |
TW201225004A (en) | Image based detecting system and method for traffic parameters and computer program product thereof | |
JP2011191227A (ja) | 物体認識装置 | |
CN105512641B (zh) | 一种标定雨雪状态下视频中的动态行人及车辆的方法 | |
JP2010132056A (ja) | 検知装置、検知方法および車両制御装置 | |
US20140002658A1 (en) | Overtaking vehicle warning system and overtaking vehicle warning method | |
Suhr et al. | Rearview camera-based backover warning system exploiting a combination of pose-specific pedestrian recognitions | |
Kamijo et al. | Pedestrian detection algorithm for on-board cameras of multi view angles | |
Wang et al. | Real time moving vehicle detection and reconstruction for improving classification | |
JP5691834B2 (ja) | 画像識別装置及びプログラム | |
TW201248517A (en) | Blind spot vehicle detection system and method | |
TW201520907A (zh) | 影像式機踏車與行人偵測系統及其方法 | |
Yun et al. | Video-based detection and analysis of driver distraction and inattention | |
Haselhoff et al. | Radar-vision fusion for vehicle detection by means of improved haar-like feature and adaboost approach |