TW201319957A - 影像式行人偵測裝置 - Google Patents

Abstract

一種影像式行人偵測裝置，其包含有一可設置於車輛上用以擷取前方區域影像之影像擷取機構；以及一與影像擷取機構連接之行人分析處理機構，用以接收影像擷取機構所擷取之前方影像資料，並分析影像資料中是否符合行人之特徵，以判斷該影像資料中是否存在行人及其位置。藉此，可由影像中擷取方向梯度長條圖與特徵，並以該些特徵進行分析判斷產生偵測結果，可有效提昇正確率與降低誤報率，而達提供駕駛者前方車道狀況，進而提高行車安全性之功效。

Description

影像式行人偵測裝置

本發明是有關於一種影像式行人偵測裝置，尤指一種可由影像中擷取方向梯度長條圖與特徵，並以該些特徵進行分析判斷產生偵測結果，可有效提昇正確率與降低誤報率，而達提供駕駛者前方車道狀況，進而提高行車安全性之功效者。

按，於一般之道路環境中，行人是最需要被重視之障礙物之一，因此，當車輛於行駛時如何進行行人之偵測，便成為車安全所需重點項目之一。

而以傳統方式而言，其係將行人偵測的問題，轉換成樣板比對的問題，主要是透過建構不同角度以及姿勢的人形，接著透過比對的方式來偵測行人，如：文獻[1]D. M. Gavrila,‘Multi-cue Pedestrian Detection and Tracking from a Moving Vehicle,”International Journal of Computer Vision,2007.、文獻[2]D. M. Gavrila,“Pedestrian Detection from a Moving Vehicle,”in Proceedings of the European Conference on Computer Vision(ECCV),2000.及文獻[3] Cheng-Yi Liu;and Li-Chen Fu,“Computer Vision Based Object Detection and Recognition for Vehicle Driving,”IEEE International Conference on Robotics and Automation,2001，係在人形外觀特徵的表示上，利用人體的輪廓(Silhouette)或邊緣影像(Edge Image)來表示人形，人形樣板皆被轉換成DT(Distance Transform)影像；再如文獻[4]M. Oren,C. Papageorgiou,P. Sinha,E. Osuna,and T. Pogio.“Pedestrian detection using wavelet templates,”Proceedings of IEEE Conference on Computer Vision and Pattern Recognition,1997，其為了更有效克服物體位移(Translation)、比例(Scale)與旋轉(Orientation)變化，採用Harr Vertical與Horizontal wavelets計算出微波係數(Wavelet Coefficients)的人形特徵圖；另如文獻[5]Q. Zhu,S. Avidan,M. C. Yeh,and K. T. Cheng,“Fast Human Detection Using a Cascade of Histograms of Oriented Gradients,”IEEE Conference on Computer Vision and Pattern Recognition,2006及文獻[6]N. Dalal and B. Triggs,“Histograms of Oriented Gradients for Human Detection,”IEEE Conference on Computer Vision and Pattern Recognition,2005之研究中，方向強度之統計長條圖(Histogram of Oriented Gradients)被用來表示人形之特徵，透過SVM(Supported Vector Machine)機器學習的方式，所得之分類器(Classifier)可有效的表示此類特徵，並作為影像中之行人偵測。文獻[6]中針對不同之特徵點應用於行人偵測之效果進行分析與討論，其中包含HOGs(Histogram of Oriented Gradients)、Haar Wavelets、PCA-SIFT以及Shape Context，其結果顯示HOG較能克服行人外觀之變異，且達到不錯的偵測結果HOG的計算方法是將影像分成若干子區塊之後，統計各區塊內像素梯度(gradient)在各方向(orientation)之強度(magnitude)的總和，並形成一直方圖。

且其建構於計算梯度的方式之下，HOG對於描述物體邊緣的資訊有較強的能力；同時由於統計式的計算方式，HOG能夠容忍相當程度內的邊緣位移以及旋轉。然而，也由於其統計式計算的性質，HOG對於材質的資訊相當缺乏。舉例來說，HOG對於單一完整的線條和零碎散亂線條時常無法有效地做出區隔，因此，若人處在雜亂的環境之中，HOG就較容易出現誤判的狀況。

綜合以上所述，現有應用於行人偵測的影像式行車安全設備的種類繁多，在設計及製作上也不盡相同，因此在預得到的效果也不相同。為了達到有效之偵測行人，偵測系統及其方法，乃為目前車輛偵測系統業者亟待解決之重要技術問題。

有鑑於此，本案之發明人特針對前述習用發明問題深入探討，並藉由多年從事相關產業之研發與製造經驗，積極尋求解決之道，經過長期努力之研究與發展，終於成功的開發出本發明「影像式行人偵測裝置」，藉以改善習用之種種問題。

本發明之主要目的係在於，可由影像中擷取方向梯度長條圖與特徵，並以該些特徵進行分析判斷產生偵測結果，可有效提昇正確率與降低誤報率，而達提供駕駛者前方車道狀況，進而提高行車安全性之功效。

為達上述之目的，本發明係一種影像式行人偵測裝置其包含有：一可設置於車輛上用以擷取前方區域影像之影像擷取機構；以及一與影像擷取機構連接之行人分析處理機構，用以接收影像擷取機構所擷取之前方影像資料，並分析影像資料中是否符合行人之特徵，以判斷該影像資料中是否存在行人及其位置。

於本發明之一實施例中，該影像擷取機構係可為攝影機。

於本發明之一實施例中，該行人分析處理機構更進一步包含有：一複合式特徵擷取模組，用以粹取兩種行人特徵；以及一支持向量機分類器，可分析判斷目前特徵是否存在行人。

於本發明之一實施例中，該複合式特徵擷取模組更進一步包含有：。

一方向梯度直條圖特徵擷取系統，粹取行人輪廓特徵，以利後續使用；一密集細粒比較特徵擷取系統，用以提取影像中小區塊之亮度變化；以及一特徵結合系統，用以結合方向梯度直條圖特徵擷取系統與密集細粒比較特徵擷取系統並進行特徵之比較。

於本發明之一實施例中，該密集細粒比較特徵擷取系統更進一步包含有：一細粒亮度平均值計算單元，用以計算亮度平均值；以及一密集比較值編碼單元，用以產生密集細粒比較特徵值。

於本發明之一實施例中，該密集細粒比較特徵擷取系統係提取小區域之變化，且產生10維向量，用以克服影像畫質損失造成之系統錯誤。

請參閱『第1、2及第3圖』所示，係分別為。如圖所示：本發明係一種影像式行人偵測裝置，其至少包含有一影像擷取機構1以及一行人分析處理機構2所構成。

上述所提之影像擷取機構1係可設置於車輛3上用以擷取前方區域之影像，而該影像擷取機構1係可為攝影機。

該行人分析處理機構2係與影像擷取機構1連接，係用以接收影像擷取機構1所擷取之前方影像資料，並分析影像資料中是否符合行人之特徵，以判斷該影像資料中是否存在行人及其位置，其中該行人分析處理機構2更進一步包含有：一複合式特徵擷取模組21，係用以粹取兩種行人特徵；以及一支持向量機分類器22，可做為分析判斷目前特徵是否存在行人。

且上述複合式特徵擷取模組21係包含有：一方向梯度直條圖特徵擷取系統211，係可粹取行人輪廓特徵以利後續使用；一密集細粒比較特徵擷取系統212，用以提取影像中小區塊之亮度變化，而該密集細粒比較特徵擷取系統係提取小區域之變化，且產生10維向量，用以克服影像畫質損失造成之系統錯誤；以及一特徵結合系統213，用以結合方向梯度直條圖特徵擷取系統211與密集細粒比較特徵擷取系統212並進行特徵之比較。

另外，上述密集細粒比較特徵擷取系統212更包含有：一細粒亮度平均值計算單元2121，係用以計算亮度平均值；以及一密集比較值編碼單元2122，用以產生密集細粒比較特徵值。如是，藉由上述之設計構成一全新之影像式行人偵測裝置。

當本發明於使用時，係以影像擷取機構1擷取車輛3前方區域之影像，並將該影像資料輸入於行人分析處理機構2中，且以複合式特徵擷取模組21之方向梯度直條圖特徵擷取系統211擷取影像中方向梯度長條圖特徵(HOG)，同時，以密集細粒比較特徵擷取系統212建立密集細粒比較特徵之後，配合特徵結合系統213結合此兩種異質性特徵以做為支持向量機分類器22所需之特徵向量，最後再以支持向量機分類器22分析判斷輸入之影像是否為行人。

另外，於實際使用時本發明亦可結合兩種互補之特徵，得以改善系統效能除，擷取方向梯度長條圖(HOG)特徵之外，更以密集細粒比較特徵擷取系統212之細粒亮度平均值計算單元2121與密集比較值編碼單元2122同時建立密集細粒比較特徵，使特徵結合系統213將兩種特徵擷取模組所產生之特徵向量，連接成同時具有兩種特徵之單一特徵向量，此單一特徵向量因此維度提昇至「方向梯度長條圖」與「密集細粒比較」兩種特徵維度的總合。此整合過後之特徵向量將進一步做為支持向量分類器(SVM)之輸入，用以判斷是否有行人。

再者，本發明密集細粒比較特徵擷取系統212中所提之細粒(Granule)20係指影像上小型的方型區域；然本發明係採用固定大小之正方型為細粒20，取其區域內影像亮度之平均值以代表其內涵，為了將相對比較的資訊取出，兩個細粒20之亮度平均值將被用來比較，產生二進位之值來表示兩個細粒之比較值，本發明用位元1表示，用r表示此兩細粒20比較結果，g表示細粒之亮度平均值，則可寫成下式：

如第3圖所示，此正方區塊表示一具有2乘2個細粒20之影像；此四塊細粒可以有最多六種細粒對的組合，本發明將此六種組合依照事先定義之順序，結合六位元之數字，並表示成0~63。至此，本發明完成密集細粒比較特徵向量之一個維度，由四個細粒之比較產生一個維度之模組吾人稱之為細粒20比較模組。

另，如第4圖四所示，本發明將方向梯度長條圖(HOG)特徵(16乘16像素)，分成16等份(4乘4)細粒20a(此處每一方框視為一個細粒)，今本發明將4個細粒20a，經由密集細粒比較特徵擷取系統212產生一維資料後，再將所計算範圍平移一個細粒20a單位，重新計算此四細粒之細粒比較值；以本發明設計之16等份為例，總共可以產生3乘3=9個維度的特徵向量；且本發明進一步將2乘2之細粒20視為大型細粒20，重新對原本區塊執行大型細粒20比較，再產生額外一個維度的資料；至此，10個維度之特徵向量得以建立，此向量即為密集細粒比較特徵向量，此密集比較編碼模組透過呼叫細粒平均強度比較模組，產生密集細粒比較特徵。

綜上所述，本發明影像式行人偵測裝置可有效改善習用之種種缺點，可由影像中擷取方向梯度長條圖與特徵，並以該些特徵進行分析判斷產生偵測結果，可有效提昇正確率與降低誤報率，而達提供駕駛者前方車道狀況，進而提高行車安全性之功效；進而使本發明之產生能更進步、更實用、更符合消費者使用之所須，確已符合發明專利申請之要件，爰依法提出專利申請。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍；故，凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。

1．．．影像擷取機構

2．．．行人分析處理機構

21．．．複合式特徵擷取模組

22．．．支持向量機分類器

211．．．方向梯度直條圖特徵擷取系統

212．．．密集細粒比較特徵擷取系統

213．．．特徵結合系統

2121．．．細粒亮度平均值計算單元

2122．．．密集比較值編碼單元

20、20a．．．細粒

3．．．車輛

第1圖，係本發明之設置狀態示意圖。

第2圖，係本發明之方塊示意圖。

第3圖，係本發明之細粒示意圖。

第4圖，係本發明之密集細粒比較特徵示意圖。

1．．．影像擷取機構

2．．．行人分析處理機構

21．．．複合式特徵擷取模組

22．．．支持向量機分類器

211．．．方向梯度直條圖特徵擷取系統

212．．．密集細粒比較特徵擷取系統

213．．．特徵結合系統

2121．．．細粒亮度平均值計算單元

2122．．．密集比較值編碼單元

Claims (6)

1. 一種影像式行人偵測裝置，包括有：一影像擷取機構，係可設置於車輛上用以擷取前方區域之影像；以及一行人分析處理機構，係與影像擷取機構連接，用以接收影像擷取機構所擷取之前方影像資料，並分析影像資料中是否符合行人之特徵，以判斷該影像資料中是否存在行人及其位置。
2. 依申請專利範圍第1項所述之影像式行人偵測裝置，其中，該影像擷取機構係可為攝影機。
3. 依申請專利範圍第1項所述之影像式行人偵測裝置，其中，該行人分析處理機構更進一步包含有：一複合式特徵擷取模組，用以粹取兩種行人特徵；以及一支持向量機分類器，可分析判斷目前特徵是否存在行人。
4. 依申請專利範圍第3項所述之影像式行人偵測裝置，其中，該複合式特徵擷取模組更進一步包含有：一方向梯度直條圖特徵擷取系統，粹取行人輪廓特徵，以利後續使用；一密集細粒比較特徵擷取系統，用以提取影像中小區塊之亮度變化；以及一特徵結合系統，用以結合方向梯度直條圖特徵擷取系統與密集細粒比較特徵擷取系統並進行特徵之比較。
5. 依申請專利範圍第4項所述之影像式行人偵測裝置，其中，該密集細粒比較特徵擷取系統更進一步包含有：一細粒亮度平均值計算單元，用以計算亮度平均值；以及一密集比較值編碼單元，用以產生密集細粒比較特徵值。
6. 依申請專利範圍第4項所述之影像式行人偵測裝置，其中，該密集細粒比較特徵擷取系統係提取小區域之變化，且產生10維向量，用以克服影像畫質損失造成之系統錯誤。