TWI476701B - 燈號觸發事件偵測方法與裝置 - Google Patents
燈號觸發事件偵測方法與裝置 Download PDFInfo
- Publication number
- TWI476701B TWI476701B TW101146704A TW101146704A TWI476701B TW I476701 B TWI476701 B TW I476701B TW 101146704 A TW101146704 A TW 101146704A TW 101146704 A TW101146704 A TW 101146704A TW I476701 B TWI476701 B TW I476701B
- Authority
- TW
- Taiwan
- Prior art keywords
- color
- light
- input image
- area
- color intensity
- Prior art date
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本揭露係關於一種燈號觸發事件偵測方法與裝置。
各式交通燈號,例如方向燈,指揮燈、方向指示燈等,是車輛必備的燈號之一,顏色通常以黃色為主。方向燈觸發時可預告汽車即將變換車道,可能往左邊或右邊方向行駛或發生狀況。方向燈的位置在車輛前頭燈、後照鏡(或前輪弧)及尾燈的左右側,左右側各有一組,閃爍頻率每分鐘在60次以上,120次以下。方向燈觸發事件偵測裝置之應用範圍非常廣泛,尤其在夜間較不明顯之環境,方向燈不容易辨識,可利用車輛方向燈觸發事件偵測方法即時掌握特定區域之車輛行進變化,作為避免轉彎時車輛太過靠近而發生車禍之預警,以達成交通安全的目的。
近年有幾個基於視訊分析之方向燈觸發事件偵測方法被提出,目前方向燈觸發事件偵測方法主要有兩種偵測方式。一種方式是以車道上前方車輛特徵為基礎的偵測方法,根據對車道上之前車偵測後,所得到的前車區塊,進行此區塊內像素點顏色分析,再用前後張車輛影像之車燈相對位置關係、車燈的所在位置、群聚性、及閃爍頻率等車輛特徵來偵測方向燈。此偵測方法通常第一個步驟就是做前車偵測,在前車偵測中把本車道、左車道、及右車道作為搜尋範圍,將車子的陰影當成去尋找車子的底線,接
著利用陰影線寬與車道寬的比例及車頂位置等資訊估計出興趣區塊(Regions of Interest,ROIs),用來偵測車輛的左右兩邊。為了增加處理速度和準確率,對已經偵測到的前車區塊進行追蹤,並輔以車寬與車道寬的比例、對稱性、及區塊色彩值的標準差,來判別找到的區塊是否為車輛。根據前車偵測與追蹤後,所得到的前車區塊進行區塊內像素點的顏色分析,找出鎖定顏色像素,如:橘色、黃色,最後利用車燈在連續影像上前後位置的差異、車燈的位置、群聚性、及閃爍頻率來偵測方向燈。
在夜間偵測車輛及追蹤依賴於車輛的後方尾燈,此方法假設為車尾燈的顏色主要為紅色,並以此為特徵在HSV(色相/飽和度/色調,Hue/Saturation/Value)色彩模型下將車尾燈與其它區域作區隔開來。另外,針對車燈有成對之特性,亦即利用對稱性加上車燈彼此距離的限制,以此為特徵結合卡爾曼濾波(Kalman filtering)作車輛追蹤。另一些文件統計顏色特徵以偵測可能為車輛尾燈之區域,並且為了濾除其它非車燈所產生的雜訊,以車燈之圓形特徵作為過濾之依據;又一些文件則以車輛尾燈為主要偵測目標,首先亦使用HSV色彩模型設計一顏色過濾器,將可能是尾燈的區域凸顯出來,當中利用大多數尾燈之顏色特性,包含紅色以及白色為主。此外,尾燈之間距亦作為特徵,主要避免將分屬不同車輛之尾燈劃分為同一群體,以此濾除大部分雜訊,上述方法之準確性取決於車輛尾燈之
所呈現之外形以及對稱的特性,當多車輛接鄰時易造成誤判。又另一些文件以尾燈之顏色特性,尾燈之大小對稱等特徵來判斷車距,此種偵測方法,依據左右兩邊車燈之對稱性偵測車輛或者車燈大小以判斷車距,來決定方向燈位置,進而偵測方向燈觸發事件,此方法易因多車輛時前車車輛被部分遮蔽,造成車輛拍攝之完整度不足而產生誤差。
因此,一種基於各式車輛燈號特徵的主動偵測之方法,在日夜間環境下達成與前方車輛遠距離時提供預警,而於近距離時提供警示,以避免車輛碰撞意外事件發生,且適用於不同車型及排除天候影響,即使在部分可視之情況下,也能偵測燈號觸發事件,無需明確偵測畫面中之個別獨立車輛,避免多車輛追蹤時之誤判問題,進而提高準確度,在僅獲得單張影像時,若影像中之方向燈已觸發下,仍可偵測方向燈位置等將是迫切的需求。
本揭露實施例可提供一種使用視訊來源的燈號觸發事件偵測方法與裝置。
在一實施例中,本揭露係關於一種燈號觸發事件偵測方法,此方法包含:取得一輸入影像;強化此輸入影像的至少一亮燈區與至少一背景的一色彩強度對比,利用一散
射偵測,依據此色彩強度對比,決定出至少一燈號候選區,依據此燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出至少一方向燈或其它色燈區塊,以及,輸出一偵測結果。
在另一實施例中,本揭露係關於一種方向燈觸發事件偵測裝置,此裝置包含至少一影像擷取裝置、一運算模組、以及至少一輸出裝置,此運算模組還包括一強化對比模組、一散射篩選模組、以及一顏色辨別模組。此影像擷取裝置取得一輸入影像;此強化對比模組強化此輸入影像的至少一亮燈區與至少一背景區的一色彩強度對比;此散射篩選模組利用一散射偵測,依據此色彩強度對比,決定出至少一燈號候選區;此顏色辨別模組依據此燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出至少一方向燈或其它色燈區塊;以及,此輸出裝置輸出一偵測結果。
茲配合下列圖示、實施例之詳細說明及申請專利範圍,將上述及本揭露之其他優點詳述於後。
本揭露係關於一種燈號觸發事件偵測方法與裝置。
本揭露各實施例中,舉例地運用了車輛尾燈及方向燈
之不變性,為初步濾除大量雜訊,以顏色為基礎之過濾器為首要步驟,在獲得可能為車燈之區域後,再以較精準之特徵選取方向燈候選區,進而在影像原始空間域以及轉換域偵測方向燈觸發事件。除了於影像原始域探討色彩上的差異之外,更重要的特性在於方向燈觸發時與非方向燈之散射程度不同,對於被觸發的方向燈來說,有著較大的散射範圍,散射程度較大之區域在頻率域中所呈現出來的結果有著較大的響應,但由於不同種類之車輛以及不同角度所獲得之車燈影像將有或多或少之差異,本揭露實施例可以有效區隔方向燈與尾燈,以達成方向燈觸發事件偵測目的,但不受限於方向燈與尾燈,其他燈號亦均可適用。
第一圖根據本揭露的一實施例,以車輛方向燈為範例說明燈號觸發事件偵測方法。如第一圖所示,此方法包含:取得一輸入影像,如步驟110所示;強化此輸入影像的至少一亮燈區與至少一背景的一色彩強度對比,如步驟120所示;利用一散射偵測,依據此色彩強度對比,決定出一燈號候選區,如步驟130所示,依據此燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出一方向燈或其它色燈區塊,如步驟140所示;以及輸出一偵測結果,如步驟150所示。
第二圖是一流程示意圖,詳細說明第一圖中燈號觸發事件偵測方法。如第二圖所示,取得一輸入影像110步驟
中,以取得一視訊來源之一輸入影像。此強化對比120包含一影像強化121與一背景對比122。影像強化121,例如經由一過濾方式,將此輸入影像濾除雜訊;一背景對比122,例如以逐級函數計算,提高此輸入影像的一亮燈區和一背景的對比。
散射篩選130還包括一參數計算131與一特徵篩選132。參數計算131,以建立模型化散射的特性,獲得該輸入影像的至少一個燈號候選區;一特徵篩選132,依據一特徵參數門檻值,判斷此多個燈號候選區的各個亮點,即是依散射程度大小上作出區分以判斷方向燈或其它色燈區塊。
顏色辨別140將燈號候選區經由一色彩空間轉換及線性劃分141以便於區隔散射程度較強的煞車燈,找出方向燈的區塊,進而由一判斷顏色142判斷該區塊的顏色。輸出一偵測結果150判斷上述步驟的結果,以決定方向燈觸發事件,例如區塊符合黃顏色的條件,則視為方向燈事件發生,以及輸出判斷結果,然其他顏色亦可適用,不因此而受限。
在取得一輸入影像110的步驟中,其中視訊來源是一視訊裝置、一影音檔案或網路串流等擷取RGB視訊之來源,RGB色彩模式是工業界的顏色標準之一,RGB代表
紅、綠、藍三個顏色,一RGB三個數值代表在影像中一個像素的紅、綠、藍顏色的數值。影像強化121之目的是初步濾除大量雜訊;在本揭露實施例中,此影像強化121可經由以顏色為基礎之過濾方式,此顏色為基礎之過濾方式例如是把整張影像的每一個像素的RGB三個數值以下列式子做影像強化,
其中Max(R,G,B)表示每一像素RGB三個數值中的最大值,即為該像素最有代表性的值,並且將其除以255作正規化,即選取該輸入影像的每一像素三原色數值的最大值為該像素的顏色值,而成為濾除雜訊的依據。背景對比122是以較精準之特徵,選取車輛亮燈區,在得到上述影像強化121強化後的影像後,提高此影像中亮燈區域和背景的對比度。由於在真實道路環境,除了來自車輛本身的車燈之外,尚有來自背景之光源,例如道路周遭之建築物、路燈以及反射光等干擾光源,當這些光源與車燈十分類似時,都可能對車輛亮燈例如尾燈或者方向燈的偵測造成極大之影響。因此,在本揭露實施例中,強化對比120包含的背景對比122針對上述影像強化121強化後的色彩強度影像,提高此影像中亮燈區和背景的對比度,以進一步減少非車輛亮燈的雜訊干擾。
如第三圖所示者是說明背景對比122如何提高影像中亮燈區和背景的對比度。背景對比122例如使用逐級函數
(step function)處理,如下列所式:
其中參數θu
是車輛亮燈的色彩強度門檻值,也就是說色彩強度若大於色彩強度門檻值θu
的影像像素將列為處理的目標;因此在第二圖中,判斷該輸入影像中至少一像素之色彩強度是否高於色彩強度門檻值,若是高於此色彩強度門檻值,則取用該像素,若不是高於此色彩強度門檻值,則不取用該像素,最後即得到一去除雜訊的影像。
在散射篩選130還包含一參數計算131與一特徵篩選132。其中,參數計算131先建立一模型化散射的特性,舉例來說,運用中上(Nakagmi)統計模型或其他模型以建立模型化散射的特性。中上統計模型的分佈模型如下列所式:
其中,Γ(.)為gamma函數,m為中上參數,Ω為比率參數。比率參數Ω和中上分佈模型的中上參數m如下列所式:Ω=E(R2
)
其中R為被散射封包,E(.)為統計的平均值。中上參數m是形狀參數,從被散射封包之機率密度函數決定。
上述的中上分佈(Nakagami distribution)的特性是用來模型化尾燈,以找出可能為燈號的區域,應用中上m參數能夠在影像中的散射程度大小上作出區分,基本上閃爍的方向燈和剎車燈比起一般狀態的其他尾燈,其散射的程度會明顯的大上許多。在本揭露實施例中,定義兩個特徵函數DR
與SR
,在中上m參數的影像中,DR
表示中上影像局部區域的密度,而SR
表示局部區域中上參數的一致性,兩個特徵函數DR
與SR
如下列所示:
其中Pi
表示影像中第i個像素,pR,B(pi
){B(pi
<0.9)=0,B(pi 0.9)=1},and n2
為正方形掃描視窗中像素的總數。再者藉由觀察在方向燈亮起跟未亮起的統計模型中兩個特徵函數DR
與SR
的視覺顯著圖(Visual Saliency Image),可以發現到車輛尾燈的中上m值會明顯不同,其中視覺顯著圖例如影像視覺特徵圖(Visual Characteristics Map),即是在一張影像上表示出視覺顯著區域的對應圖。因此在參數計算131中,藉由建立模型化散射的特性可以獲得該輸入影像的多個具備形狀參數(Nakagami m值)的燈號候選區。
其中,特徵篩選132可依據一特徵參數門檻值,判斷此多個燈號候選區的各個亮點。其中特徵參數門檻值是形
狀參數(Nakagami m值),即是依散射程度大小上作出區分以判斷燈號亮起。但是由於光線具有隨著距離增加而衰減的特性,車燈隨著與攝影機的距離愈遠,則車燈訊號將隨之衰減;因此,此特徵參數門檻值可依據一被拍攝物,例如車輛與一影像擷取裝置,例如攝影機之間的距離作調整,根據下列式子作適應性調整方向燈偵測之特徵參數門檻值,
其中TM
是特徵參數門檻值,Ddis
表示距離,Hd
表示距離上限,Ld
表示距離下限。此特徵篩選132檢查中上m參數的矩陣,如果有大於特徵參數門檻值的像素出現,則記錄其座標,如第四圖所示。
在找到可能為燈號亮點的區域後,顏色辨別140的色彩空間轉換及線性劃分141將上述處理過的輸入影像由RGB(紅綠藍三原色)色彩空間轉換至CIE(國際照明委員會,International Commission on Illumination)色彩空間,再使用顏色來區隔方向燈和同樣為散射程度強的煞車燈。在CIE XYZ色彩空間中,三色刺激值是一組稱為X、Y和Z的值,計算方式如下:X=xY/y,Z=((1-x-y)Y)/y,Y(XYZ)
=Y(xyY)
.
其中,XYZ色彩空間可以與RGB色彩空間相互轉換,把RGB的輸入影像轉換至CIE的色彩空間,經過轉換矩陣M把RGB圖像的三通道r,g,b轉換成X,Y,Z的參數,如以下式子:[X Y Z]=[r g b][M],其中M為轉換矩陣,
而[r g b]
R=r1/γ
,G=g1/γ
,B=b1/γ
。
承上述,輸入影像經由上述的RGB色彩空間轉換至CIE色彩空間後,色彩空間轉換及線性劃分141再以線性的方式劃分出某特定顏色,例如黃色區塊是由判別達成黃色區塊的條件而定,即判斷該燈號候選區的顏色是依CIE色彩空間的XYZ參數符合某特定顏色的條件作判斷。
如第五圖所示,是以線性的方式劃分出例如黃色的區塊以判別達成黃色區塊的條件。此條件為:
換句話說,轉換為CIE色彩空間的三個X,Y,Z參數若同時符合上述三式子,則經由判斷顏色142認定為黃色的
方向燈,惟其它顏色可依此換算而得,如第六圖所示。
上述中取得的輸入影像經由散射篩選130和顏色辨別140後之結果,結果輸出150判斷上述程序的結果,以決定方向燈觸發事件,例如燈號候選區符合黃顏色的條件時,則視為方向燈事件發生,以及輸出判斷結果,若未符合則為其它色燈。
第七圖是與本揭露另一實施範例一致的一示意圖,說明燈號觸發事件偵測方法的流程圖。如第七圖所示,取得一輸入影像,如步驟110所示;強化此輸入影像的至少一亮燈區與至少一背景的一色彩強度對比,如步驟120所示;利用一色彩空間轉換與一線性劃分,依據該色彩強度對比,決定出至少一燈號候選區,例如全為黃顏色燈號,如步驟140所示;依據該燈號候選區,利用一散射偵測,來判斷出至少一方向燈或其它色燈區塊,如步驟130所示;以及輸出一偵測結果,如步驟150所示;第七圖意在說明步驟130與步驟140之實施順序可與第二圖所示者前後更動,惟此並不影響二實施範例之功效。
第八圖是在說明當上述判斷出一方向燈區塊後,如何決定車輛之左或右方向燈,左右方向燈判斷810採用以燈光星狀散射的概念,在經由散射篩選130和顏色辨別140找到方向燈區塊之後,以該方向燈區塊為中心向左下方、
右下方或二者延伸尋找具備較弱散射值的區域,即保險桿或車牌。左右方向燈判斷程序810處理方式和特徵篩選132相同,依據不相同或相同之特徵參數門檻值判斷該區域的亮點,即使用Nakagami Imaging的方式處理,得到小區域的視覺顯著圖,此是因為前方車輛車牌以及保險桿的部分,因為反光而有較弱散射值,即分佈統計模型的形狀參數值(如:Nakagami的m值)。左右方向燈判斷810尋找到具備較弱散射值的一區域後,再以相對位置的特性來區分左方向燈或右方向燈,即若是在左下方處尋找到具備較弱散射值的區域,則判斷為右方向燈觸發事件,若是在右下方處尋找到具備較弱散射值的區域,則判斷為左方向燈觸發事件。最後將判斷結果輸出到結果輸出150。
第九圖根據本揭露的一實施例,說明燈號觸發事件偵測裝置。如第九圖所示,此裝置包含至少一影像擷取裝置910、一運算模組920、以及至少一輸出裝置930。運算模組920還包括一強化對比模組921、一散射篩選模組922、以及一顏色辨別模組923,請參考第十圖。影像擷取裝置910取得一輸入影像;強化對比模組921強化此輸入影像的至少一亮燈區與至少一背景的一色彩強度對比;散射篩選模組922利用一散射偵測,依據此色彩強度對比,決定出至少一燈號候選區;顏色辨別模組923依據此燈號候選區,利用一色彩空間轉換與一線性劃分,判斷出至少一方向燈或其它色燈區塊;以及,此輸出裝置930輸出一偵測
結果。
第十圖是一示意圖,詳細說明第九圖中方向燈觸發事件偵測裝置。如第十圖所示,運算模組920還包括一強化對比模組921、一散射篩選模組922、以及一顏色辨別模組923。視訊擷取裝置910取得一視訊來源的一輸入影像,並且將此輸入影像輸出到此運算模組920。強化對比模組921將此輸入影像經由一過濾方式將此輸入影像濾除部分雜訊,以及提高該輸入影像的亮燈區和背景的對比。散射篩選模組922建立模型化散射特性,並依據一特徵參數門檻值判斷出至少一燈號候選區。顏色辨別模組923再將該候選區做一色彩空間轉換與線性劃分以判斷該區的顏色。該結果輸出裝置930判斷方向燈觸發事件以及輸出判斷結果至外接裝置。此方向燈觸發事件偵測裝置之運算模組920還被配置以方向燈為中心向左下方、右下方或二者延伸尋找一區域,依據一較弱散射值特徵參數門檻值來判斷該區域的亮點,再以相對位置來區分左方向燈或右方向燈。
綜上所述,本揭露之一種燈號觸發事件偵測方法與裝置,舉例利用車輛尾燈及方向燈之不變性,先以顏色或強弱為基礎之過濾方式初步濾除大量雜訊,在獲得可能為車燈之區域後,再以較精準之特徵選取方向燈候選區,進而在影像原始空間域以及轉換域偵測方向燈觸發事件。以及
利用方向燈觸發時與非方向燈之散射程度不同,並且有效區隔方向燈與尾燈間之差異,以達成方向燈觸發事件偵測目的。
以上所述者皆僅為本揭露實施例,不能依此限定本揭露實施之範圍。大凡本發明申請專利範圍所作之均等變化與修飾,皆應屬於本發明專利涵蓋之範圍。
110‧‧‧取得一輸入影像
120‧‧‧強化此輸入影像的至少一亮燈區與至少一背景區的一色彩強度對比
121‧‧‧影像強化
122‧‧‧背景對比
130‧‧‧利用一散射偵測,依據此色彩強度對比
決定出一燈號候選區
131‧‧‧參數計算
132‧‧‧特徵篩選
140‧‧‧依據此燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出一方向燈或其它色燈區塊
141‧‧‧色彩空間轉換及線性劃分
142‧‧‧判斷顏色
150‧‧‧輸出一偵測結果
810‧‧‧左右方向燈判斷
910‧‧‧視訊擷取裝置
920‧‧‧運算模組
921‧‧‧強化對比模組
922‧‧‧散射篩選模組
923‧‧‧顏色辨別模組
930‧‧‧輸出裝置
第一圖根據本揭露的一實施例,以方向燈為範例說明燈號觸發事件偵測方法。
第二圖是一流程示意圖,詳細說明第一圖中燈號觸發事件偵測方法。
第三圖所示者是與本揭露的一實施範例一致的一示意圖,說明背景對比提高影像中亮燈區域和背景的對比度。
第四圖是與所揭露的一實施範例一致的一示意圖,說明特徵篩選檢查中上m參數的矩陣,如果有大於特徵參數門檻值的像素出現,則記錄其座標。
第五圖是與所揭露的一實施範例一致的一範例示意圖,說明以線性的方式劃分出黃色的區塊以判別達成黃色區塊的條件。
第六圖是與所揭露的一實施範例一致的一範例示意圖,說明轉換為CIE色彩空間的三個X,Y,Z參數若符合黃色的區塊的條件,則認定為黃色的方向燈。
第七圖是與本揭露另一實施範例一致的一示意圖,說明燈號觸發事件偵測方法的流程圖。
第八圖是與本揭露一實施範例一致的一示意圖,說明車輛左右方向燈觸發事件偵測方法的流程圖。
第九圖根據本揭露的一實施例,以方向燈為範例說明燈號觸發事件偵測裝置。
第十圖是一示意圖,詳細說明第九圖中燈號發事件偵
測裝置。
110‧‧‧取得一輸入影像
120‧‧‧強化此輸入影像的至少一亮燈區與至少一背景的一色彩強度對比
130‧‧‧利用一散射偵測,依據此色彩強度對比,決定出至少一燈號候選區
140‧‧‧依據此燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出至少一方向燈或其它色燈區塊
150‧‧‧輸出一偵測結果
Claims (22)
- 一種燈號觸發事件偵測方法,該方法包含:取得一輸入影像;強化該輸入影像的至少一亮燈區與至少一背景的一色彩強度對比;利用一散射偵測,依據該色彩強度對比,決定出至少一燈號候選區;依據該燈號候選區,利用一色彩空間轉換與一線性劃分,以判斷出至少一色燈區塊;以及輸出一偵測結果。
- 如申請專利範圍第1項所述之方法,其中該輸入影像是一影音檔案。
- 如申請專利範圍第1項所述之方法,其中該色彩強度對比還包括一影像強化與一背景對比。
- 如申請專利範圍第3項所述之方法,其中該影像強化是經由一過濾方法將該輸入影像濾除雜訊。
- 如申請專利範圍第4項所述之方法,其中該過濾方法是以顏色為基礎,選取該輸入影像每一像素三原色數值的最大值為該像素的強化後數值。
- 如申請專利範圍第3項所述之方法,其中該背景對比是該輸入影像的該亮燈區和該背景的對比。
- 如申請專利範圍第3項所述之方法,其中該背景對比是使用一逐級函數,判斷該輸入影像之至少一像素的一色彩強度。
- 如申請專利範圍第7項所述之方法,當該至少一像素的該色彩強度高於一色彩強度門檻值時,則取用該像素;當該至少一像素的該色彩強度低於該色彩強度門檻值時,則不取用該像素。
- 如申請專利範圍第1項所述之方法,其中該散射偵測還包括一參數計算與一特徵篩選。
- 如申請專利範圍第9項所述之方法,其中該參數計算是運用一中上(Nakagmi)統計模型以建立一模型化散射的特性,獲得該輸入影像的該燈號候選區。
- 如申請專利範圍第9項所述之方法,其中該特徵篩選依據一特徵參數門檻值判斷該亮燈區。
- 如申請專利範圍第11項所述之方法,其中該特徵參數門檻值是該中上統計模型之一形狀參數值。
- 如申請專利範圍第11項所述之方法,其中該特徵參數門檻值依據一被拍攝物與一影像擷取裝置之間的距離作調整。
- 如申請專利範圍第1項所述之方法,其中該色彩空間轉換與該線性劃分是用以判斷該燈號候選區的顏色。
- 如申請專利範圍第14項所述之方法,其中該色彩空間轉換是將該輸入影像由一RGB色彩空間轉換至一CIE色彩空間。
- 如申請專利範圍第15項所述之方法,其中判斷該燈號候選區的顏色是依據該CIE色彩空間的一XYZ參數是否符合一特定顏色的條件作判斷。
- 如申請專利範圍第1項所述之方法,還包含一左右方向判斷,以該至少一色燈區塊為中心,向左下方或右下方延伸尋找一區域,依據一較弱散射值特徵參數門檻值來判斷該區域,再以相對位置來區分左右方向。
- 一種燈號觸發事件偵測之裝置,包含:至少一影像擷取裝置以取得至少一輸入影像;一運算模組,再包含:一強化對比模組用以強化該輸入影像的至少一亮燈區與至少一背景的一色彩強度對比;一散射篩選模組,以一散射偵測,依據該色彩強度對比,決定出至少一燈號候選區;以及一顏色辨別模組,依據該燈號候選區,以一色彩空間轉換與一線性劃分,判斷出至少一色燈區塊;以及至少一輸出裝置,輸出至少一偵測結果。
- 如申請專利範圍第18項所述之裝置,其中該影像擷取裝置是一視訊裝置、一攝影機或一照相機之其中之一。
- 如申請專利範圍第18項所述之裝置,其中該輸出裝置輸出至一外接裝置。
- 一種燈號觸發事件偵測方法,該方法包含:取得一輸入影像;強化該輸入影像的至少一亮燈區與至少一背景的一色彩強度對比;利用一色彩空間轉換與一線性劃分,依據該色彩強度對比,決定出至少一燈號候選區; 依據該些燈號候選區,利用一散射偵測,以判斷出至少一色燈區塊;以及輸出一偵測結果。
- 如申請專利範圍第21項所述之方法,還包含一左右方向判斷,以該些色燈區塊為中心,向左下方或右下方延伸尋找一區域,依據一較弱散射值特徵參數門檻值來判斷該區域,再以相對位置來區分左右方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101146704A TWI476701B (zh) | 2012-12-11 | 2012-12-11 | 燈號觸發事件偵測方法與裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101146704A TWI476701B (zh) | 2012-12-11 | 2012-12-11 | 燈號觸發事件偵測方法與裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201423606A TW201423606A (zh) | 2014-06-16 |
TWI476701B true TWI476701B (zh) | 2015-03-11 |
Family
ID=51394059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101146704A TWI476701B (zh) | 2012-12-11 | 2012-12-11 | 燈號觸發事件偵測方法與裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI476701B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040143380A1 (en) * | 2002-08-21 | 2004-07-22 | Stam Joseph S. | Image acquisition and processing methods for automatic vehicular exterior lighting control |
US20080180528A1 (en) * | 2007-01-31 | 2008-07-31 | Toru Saito | Preceding Vehicle Detection System |
US20080181461A1 (en) * | 2007-01-31 | 2008-07-31 | Toru Saito | Monitoring System |
TWI302879B (en) * | 2006-05-12 | 2008-11-11 | Univ Nat Chiao Tung | Real-time nighttime vehicle detection and recognition system based on computer vision |
-
2012
- 2012-12-11 TW TW101146704A patent/TWI476701B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040143380A1 (en) * | 2002-08-21 | 2004-07-22 | Stam Joseph S. | Image acquisition and processing methods for automatic vehicular exterior lighting control |
TWI302879B (en) * | 2006-05-12 | 2008-11-11 | Univ Nat Chiao Tung | Real-time nighttime vehicle detection and recognition system based on computer vision |
US20080180528A1 (en) * | 2007-01-31 | 2008-07-31 | Toru Saito | Preceding Vehicle Detection System |
US20080181461A1 (en) * | 2007-01-31 | 2008-07-31 | Toru Saito | Monitoring System |
Also Published As
Publication number | Publication date |
---|---|
TW201423606A (zh) | 2014-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
TWI302879B (en) | Real-time nighttime vehicle detection and recognition system based on computer vision | |
O'Malley et al. | Vehicle detection at night based on tail-light detection | |
EP3480057A1 (en) | Rear obstruction detection | |
US9349070B2 (en) | Vehicle external environment recognition device | |
JP3716623B2 (ja) | 温体検出装置 | |
CN102556021B (zh) | 一种汽车防闯红灯的控制装置 | |
JP6068833B2 (ja) | 車用色検出器 | |
JP6034923B1 (ja) | 車外環境認識装置 | |
CN110688907B (zh) | 基于夜间道路光源识别物体的方法及装置 | |
JP6420650B2 (ja) | 車外環境認識装置 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
JP2009157492A (ja) | 車両検出装置、車両検出システム及び車両検出方法 | |
JP6508134B2 (ja) | 物体判別装置 | |
CN104463170A (zh) | 一种卡口***下基于多重检测的无牌车辆检测方法 | |
JP4936045B2 (ja) | 車体色判別装置、方法及びプログラム | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
US10977500B2 (en) | Street marking color recognition | |
TWI476701B (zh) | 燈號觸發事件偵測方法與裝置 | |
JP6329417B2 (ja) | 車外環境認識装置 | |
US20230368545A1 (en) | Method for processing images | |
JP6378547B2 (ja) | 車外環境認識装置 | |
JP6654870B2 (ja) | 車外環境認識装置 | |
JP2001216597A (ja) | 画像処理方法及び画像処理装置 | |
KR102188162B1 (ko) | 안개 상황에서 차량 검출 방법 및 시스템 |