TW201800719A - 物體辨識系統及辨識物體的方法 - Google Patents

Abstract

物體辨識系統包含光源發射器、影像擷取模組、處理器及資料庫。光源發射器用以發出入射光束訊號，影像擷取模組用以接收反射光束訊號，處理器耦接於影像擷取模組，用以處理反射光束訊號。資料庫耦接於處理器，用以儲存辨識資料。光源發射器發出入射光束訊號至物體，物體將入射光束訊號反射為反射光束訊號。處理器依據反射光束訊號，利用資料庫內的辨識資料辨識物體的輪廓。

Description

物體辨識系統及辨識物體的方法

本發明描述了一種物體辨識系統及辨識物體的方法，尤指一種依據反射光束訊號之辨識物體的方法。

隨著科技日新月異，各種不同的影像辨識技術及應用也逐漸問世。例如具備影像辨識的相機可偵測被拍照者的臉部而自動對焦，或是具備影像辨識的防盜系統可以辨識入侵者的身分而達到監控效果。然而，以目前的影像辨識技術而言，鏡頭擷取到影像之後，處理器必須做大量的後端運算。例如處理器會將擷取到的影像做後製處理，舉凡如銳利化、增加亮度、色調強化等影像處理以增加影像辨識的精確度。這將導致影像辨識所使用的處理器必須要為高規格的處理器。並且，也由於影像辨識技術的後端運算需要花費較長的時間，目前的影像辨識技術無法完全應用於具備即時運算要求的行車路況辨識系統。除此之外，目前的影像辨識技術也容易受到外在光源的干擾而降低其準確性。

本發明一實施例提出一種物體辨識系統，包含光源發射器、影像擷取模組、處理器及資料庫。光源發射器用以發出入射光束訊號，影像擷取模組用以接收反射光束訊號，處理器耦接於影像擷取模組，用以分析反射光束訊號。資料庫耦接於處理器，用以儲存辨識資料。光源發射器發出入射光束訊號至物體，物體將入射光束訊號反射為反射光束訊號。處理器依據反射光束訊號，利用資料庫內的辨識資料辨識物體的輪廓。

本發明另一實施例提出一種辨識物體的方法，包含光源發射器發出具有第一截面形狀的入射光束訊號至物體，物體將入射光束訊號反射為具有第二截面形狀的反射光束訊號，影像擷取模組接收反射光束訊號，及根據反射光束訊號的第二截面形狀，利用資料庫內的辨識資料辨識物體的輪廓。

第1圖係為物體辨識系統100的方塊圖。物體辨識系統100包含光源發射器10、影像擷取模組11、處理器12以及資料庫13。光源發射器10用以發出入射光束訊號L1。光源發射器10可為任何具備光訊號發射能力的裝置，例如補光燈，閃光燈，紅外線發射器等。入射光束訊號L1可為指向性光源訊號，且具有固定的光束截面形狀，例如雷射光訊號、紅外線光訊號或是紫外線光訊號等等。入射光束訊號L1可為可見光訊號或是不可見光訊號。舉例而言，入射光束訊號L1可為由一個聚光燈所產生出的聚光光束訊號。在光源發射器10發出入射光束訊號L1至物體16之後，物體16會將入射光束訊號L1反射為反射光束訊號L2。物體16可為任何光線吸收率小於100%的物體。反射光束訊號L2會被影像擷取模組11接收。特此說明，光源發射器10本身可以發射具有固定光束截面形狀的入射光束訊號L1。光源發射器10也可以透過內部的光遮罩14，將光源轉換為具有固定光束截面形狀的入射光束訊號L1。換句話說，光源發射器10可以透過不同形狀的光遮罩14，將光源轉換為各種不同光束截面形狀的入射光束訊號L1。影像擷取模組11可包含感光元件15，用以感測反射光束訊號L2。舉例而言，影像擷取模組11可使用感光耦合元件(Charge Coupled Device)或是互補金屬氧化半導體(Complementary Metal-Oxide Semiconductor)元件做為感光元件15。因此，當影像擷取模組11內的感光元件15感測到反射光束訊號L2後，可將反射光束訊號L2以數位訊號的方式進行傳輸。處理器12耦接於影像擷取模組11，用以處理反射光束訊號L2。處理器12也可耦接於光源發射器10，用以控制光源發射器10產生不同頻率或強度的入射光束訊號L1。處理器12可為任何具備計算能力的電子單元，例如單晶片微處理器、中央處理器、邏輯運算控制單元等。資料庫13耦接於處理器12，用以儲存辨識資料。在物體辨識系統100中，資料庫13內的辨識資料可為任何輔助影像辨識的資料，例如查詢表、曲率公式及/或曲線擬合方程式(Polynomial Fitting Curve)等。處理器12可依據反射光束訊號L2，利用資料庫13內的辨識資料辨識物體16的輪廓。以下將詳述處理器12如何進行辨識物體之輪廓的方法以及原理。

第2圖係為物體辨識系統100的光源發射器10與影像擷取模組11，用來偵測物體16之輪廓的示意圖。為了簡化描述，物體16具有弧型表面。在第2圖中，光源發射器10會透過光遮罩14，發出具有指向性的入射光束訊號L1。入射光束訊號L1為具有第一截面LR1的光束。而第一截面LR1的形狀以及面積為可系統預定的參數，或可為使用者自訂的參數。在入射光束訊號L1傳送至物體16的表面之後，由於物體16的表面為光線吸收率小於100%的表面，因此物體16會將入射光束訊號L1反射為反射光束訊號L2。接下來，反射光束訊號L2會被影像擷取模組11內的感光元件15接收。特此說明，由於物體16具有弧型曲面的表面，當表面為凸型曲面時，反射光束訊號L2的截面面積將會擴大。因此，在第2圖中，影像擷取模組11內的感光元件15所接收到的反射光束訊號L2之第二截面LR2的面積，會比入射光束訊號L1之第一截面LR1的面積要大。然而，本發明的物體16不限於凸型曲面之表面，舉例而言，當物體16的表面為平面時，影像擷取模組11內的感光元件15所接收到的反射光束訊號L2之第二截面LR2的面積，會約莫等於入射光束訊號L1之第一截面LR1的面積。當物體16的表面為凹型曲面時，影像擷取模組11內的感光元件15所接收到的反射光束訊號L2之第二截面LR2的面積，會比入射光束訊號L1之第一截面LR1的面積要小(在焦距之內)。換句話說，物體16之表面輪廓或曲率發生改變時，將會使反射後的入射光束訊號L1之第一截面LR1的形狀及面積也發生變化，這種變化將反映到感光元件15所接收到的反射光束訊號L2之第二截面LR2的形狀及面積。物體辨識系統100即利用第一截面LR1以及第二截面LR2的面積或形狀差異性來辨識物體輪廓。以下將詳述物體辨識系統100辨識物體輪廓的原理。

第3圖係為第2圖中，光源發射器10所發出的入射光束訊號L1之第一截面LR1的示意圖。第4圖係為第2圖中，影像擷取模組11所接收的反射光束訊號L2之第二截面LR2的示意圖。在第3圖中，入射光束訊號L1可為預設的指向性光源訊號，假設其第一截面LR1的形狀為圓形，截面半徑為R。在第一截面LR1的區域內，處理器12可預先設定許多像素網格(Pixel Grids)PG，在入射光束訊號L1未經過物體16反射時，第一截面LR1內兩方向之像素網格PG的邊界(Boundary)互為垂直狀態。處理器12可預設許多參考點以表示第一截面LR1的形狀。舉例而言，處理器12可預設參考點A、參考點B以及參考點C。然而，處理器12可在第一截面LR1的區域內設定更多的參考點，甚至將所有像素網格PG的邊界交會之處以及第一截面LR1的邊緣設置多個參考點。當物體16具有弧型表面，且表面為凸型曲面時，反射光束訊號L2的截面面積將會擴大。如第4圖所示，影像擷取模組11內的感光元件15所接收到的反射光束訊號L2之第二截面LR2的面積，會比入射光束訊號L1之第一截面LR1的面積要大。換句話說，於第二截面LR2中，像素網格PG的邊界會被扭曲(如第4圖之實線部分所示)，因此不會為垂直狀態。在第二截面LR2中，截面的半徑為R’，且半徑R’大於半徑R。並且，在第二截面LR2中，原始第一截面LR1之像素網格PG的邊界會被扭曲變形，因此於第一截面LR1所設定的參考點A、參考點B以及參考點C將產生位移。舉例而言，第一截面LR1的參考點A會被位移為第二截面LR2的參考點A’，第一截面LR1的參考點B會被位移為第二截面LR2的參考點B’，第一截面LR1的參考點C會被位移為第二截面LR2的參考點C’。當處理器12接收到反射光束訊號L2之第二截面LR2的狀態，並據以偵測扭曲後的像素網格PG之所有邊界後，可以得出原始參考點A、參考點B以及參考點C與參考點A’、參考點B’以及參考點C’的對應偏移量。然而，第4圖為了描述方便，僅舉了三個參考點做為說明。在實施本發明時，處理器12可以偵測出對應於所有像素網格PG之參考點的偏移量。換句話說，物體辨識系統100透過第一截面LR1與第二截面LR2之形狀及面積變化的比較，可以使用複數個參考點的偏移量來表示這種變化。然而，本發明之第一截面LR1與第二截面LR2之形狀及面積變化的比較，可以使用任何的數值分析方式來表達變動量。舉例而言，處理器12可利用極座標系，偵測不同角度對應的同心等距圈的半徑變化，以對應第一截面LR1與第二截面LR2之形狀及面積變化。

當處理器12計算出對應第一截面LR1與第二截面LR2之形狀及面積變化之數值變動量後，即可透過資料庫13內的辨識資料計算物體16的翹曲值，以及辨識物體16的輪廓。舉例而言，當處理器12計算出所有參考點的偏移量後，可以透過曲線擬合方程式(Polynomial Fitting Curve)或查詢表計算物體16的翹曲值。更精確地說，當處理器12計算出所有參考點的偏移量後，可將所有參考點的偏移量轉換為複數個極座標的方向向量，並再利用曲線擬合方程式，找出符合複數個極座標的方向向量的最佳基底函數，而推導出物體16的翹曲值。

在上述的實施例中，物體辨識系統100使用了具有截面面積的入射光束訊號L1以及反射光束訊號L2來偵測物體16的輪廓。然而，偵測物體16的方式並不被上述實施例所侷限。舉例而言，請參閱第5圖。第5圖係為物體辨識系統100的光源發射器10與影像擷取模組11，用來偵測物體之輪廓另一實施例的示意圖。有別於第2圖的偵測模式，第5圖中的物體辨識系統100之光源發射器10會發出指向光線，意即，入射光束訊號L1為光線訊號，可為一維(One-dimension)的紅外線或是雷射光線等。於此，一維光線的定義為光線投射到物體16上的態樣為點狀。入射光束訊號L1可由光源發射器的中心發出，經過物體16反射後成為反射光束訊號L2。當物體16的表面為具有翹曲值時，反射光束訊號L2的光路方向就會產生偏移。舉例而言，在第5圖中，當物體16的表面為弧形時，反射光束訊號L2最後被感光元件15接收的位置可能會往下偏移。換言之，反射光束訊號L2最後被感光元件15接收的位置相對於感光元件15中心點會有偏移量delta的長度。物體辨識系統100可以根據偏移量delta的長度來計算物體16的輪廓。並且，由於物體16的表面具有翹曲值，因此在其它實施例中，可以依據入射光束訊號L1的光路長度以及反射光束訊號L2的光路長度之差異性計算物體輪廓，舉例而言，當物體16的表面為平面時，入射光束訊號L1的光路長度與反射光束訊號L2的光路長度約莫相等，然而，當物體16的表面為弧形時，由於反射光束訊號L2的光路方向會產生偏移，因此入射光束訊號L1的光路長度可能會小於反射光束訊號L2的光路長度。藉由兩光路長度的差異性，亦可以用來偵測物體16的輪廓。

由於物體辨識系統100可以計算出在入射光束訊號L1的光束範圍下之物體16的翹曲值，當入射光束訊號L1與物體之間有相對運動時，由於物體16的全部表面都會逐漸地會被入射光束訊號L1反射(例如入射光束訊號L1由物體16之下側照到上側)，因此整個物體的輪廓將可以被處理器計算出來。換句話說，本發明的物體辨識系統100適合應用於監視器，以監視走動的人群，或是對移動中之車輛進行路面辨識的系統。並且，由於物體辨識系統100係使用光源發射器10發出特定光源進行物體辨識，在特定光源可以控制的情況下，大幅降低了處理器需要對影像擷取模組11接收的影像之處理程序。因此，物體辨識系統100可以達到近乎即時性的物體辨識速度。

為了描述更為完整，以下將物體辨識系統100之辨識物體方法的流程圖描述於下。第6圖係為物體辨識系統100之辨識物體方法的流程圖。辨識物體的方法包含步驟S101至步驟S104，如下：

物體辨識系統100用來辨識物體16的步驟，已經詳細描述於前文中的第2圖至第5圖，因此，步驟S101至步驟S104的描述於此將省略。簡而言之，物體辨識系統100依據步驟S101至步驟S104，利用光源發射器10發射預定光束，光束經由物體反射而將其光束的截面形狀及面積改變後再被影像擷取模組11接收。物體辨識系統100可以依據接收到的光束影像辨識物體16的輪廓。然而，在其它實施例中，例如第5圖的實施例中，物體辨識系統100可以依據兩光路長度的差異性，或是利用偏移量delta辨識物體16的輪廓。任何類似的物體辨識演算法之應用或是硬體上修改都屬於本發明所揭露的範疇。

綜上所述，本發明描述了一種物體辨識系統以及辨識物體的方法。物體辨識系統利用光源發射器發出特定形狀的入射光束，並利用影像擷取模組接收截面形狀被扭曲後的反射光束。並將入射光束以及反射光束之截面面積以及形狀進行比較，以偵測物體的輪廓。當光源發射器所發射的光束為不可見光時，物體辨識系統的辨識準確度不會受到外在環境光的影響。並且，由於光源發射器可以發射出合適的特定光束，因此處理器不需要對影像擷取模組接收的反射光訊號(或是影像)做大量的後製處理，除了減低處理器的負擔外，物體辨識系統可以達到近乎即時性的物體辨識速度。因此，本發明的物體辨識系統，可安裝於車中，或是應用於車中的抬頭顯示器(Head-up Display)影像校正功能上，透過本發明機制，可推算出擋風玻璃的曲率，而抬頭顯示器及可藉由所投影區域之擋風玻璃曲率進行預變形的設定已獲得清晰且完整正確的資訊於遠方的虛像上。本發明的物體辨識系統也可以應用於車中的環景系統(Eagle-View)的影像縫合演算法上，現行的影像縫合技術是透過於特定位置放置相對應的圖騰進行演算法的推論，此傳統方法不僅場景設置耗時所需的空間大小環境要求亦相對嚴苛，透過本發明機制，可在環景系統加上外加光源並投射於地面上，並依據當時地面條件與所照射出的圖形進行影像縫合的演算機制，可節省場景設置與空間之要求。本發明的物體辨識系統亦可應用於偵測路面狀況的機制，透過本發明機制可獲得汽車行進方向前方或者後方的路面狀況，並可藉由將路面狀況傳送汽車之行車電腦，進行相對應的動作，如降低車速、改變避震器阻尼參數或者煞停的機制，提供駕駛者與乘客舒適與安全的旅程。 以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

100‧‧‧物體辨識系統
10‧‧‧光源發射器
11‧‧‧影像擷取模組
12‧‧‧處理器
13‧‧‧資料庫
14‧‧‧光遮罩
15‧‧‧感光元件
16‧‧‧物體
L1‧‧‧入射光束訊號
L2‧‧‧反射光束訊號
LR1‧‧‧第一截面
LR2‧‧‧第二截面
PG‧‧‧像素網格
A、B、C、A’、B’、C’‧‧‧參考點
S101至S104‧‧‧步驟
R及R’‧‧‧截面半徑
delta‧‧‧偏移量

第1圖係為本發明之物體辨識系統的方塊圖。 第2圖係為第1圖之物體辨識系統的光源發射器與影像擷取模組，用來偵測物體之輪廓的示意圖。 第3圖係為第2圖中，光源發射器所發出的入射光束訊號之第一截面的示意圖。 第4圖係為第2圖中，影像擷取模組所接收的反射光束訊號之第二截面的示意圖。 第5圖係為第1圖之物體辨識系統的光源發射器與影像擷取模組，用來偵測物體之輪廓另一實施例的示意圖。 第6圖係為本發明之辨識物體的方法之流程圖。

100‧‧‧物體辨識系統

10‧‧‧光源發射器

11‧‧‧影像擷取模組

12‧‧‧處理器

13‧‧‧資料庫

14‧‧‧光遮罩

15‧‧‧感光元件

16‧‧‧物體

L1‧‧‧入射光束訊號

L2‧‧‧反射光束訊號

Claims (10)

1. 一種物體辨識系統，包含： 一光源發射器，用以發出一入射光束訊號； 一影像擷取模組，用以接收一反射光束訊號； 一處理器，耦接於該影像擷取模組，用以處理該反射光束訊號；及 一資料庫，耦接於該處理器，用以儲存辨識資料； 其中該光源發射器發出該入射光束訊號至一物體，該物體將該入射光束訊號反射為該反射光束訊號，及該處理器依據該反射光束訊號，利用該資料庫內的該辨識資料辨識該物體的輪廓。
2. 如請求項1所述之系統，其中該光源發射器包含： 一光遮罩，用以將一光束轉換為具有一特定截面形狀之該入射光束訊號。
3. 如請求項1所述之系統，其中該影像擷取模組包含一感光元件，用以感測該反射光束訊號。
4. 如請求項1所述之系統，其中該資料庫之該辨識資料包含一查詢表及/或一曲率公式，以使該處理器根據該反射光束訊號，利用該查詢表及/或該曲率公式辨識該物體輪廓的一翹曲值。
5. 如請求項1所述之系統，其中該入射光束訊號係為一可見光訊號。
6. 如請求項1所述之系統，其中該入射光束訊號係為一不可見光訊號。
7. 一種辨識物體輪廓的方法，包含： 一光源發射器發出具有一第一截面形狀的一入射光束訊號至一物體； 該物體將該入射光束訊號反射為具有一第二截面形狀的一反射光束訊號； 一影像擷取模組接收該反射光束訊號；及 根據該反射光束訊號的該第二截面形狀，利用一資料庫內的辨識資料辨識該物體的輪廓。
8. 如請求項7所述之方法，其中該光源發射器發出具有該第一截面形狀的該入射光束訊號至該物體，係為該光源發射器利用一光遮罩，產生具有該第一截面形狀的該入射光束訊號至該物體。
9. 如請求項7所述之方法，其中該影像擷取模組接收該反射光束訊號，係為該影像擷取模組利用一感光元件接收該反射光束訊號。
10. 如請求項7所述之方法，其中根據該反射光束訊號的該第二截面形狀，利用該資料庫內的辨識資料辨識該物體的輪廓包含： 根據該反射光束訊號的該第二截面形狀，利用該查詢表及/或該曲率公式計算該物體的一翹曲值，以辨識該物體的輪廓。