TWI505706B - 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體 - Google Patents

應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體 Download PDF

Info

Publication number
TWI505706B
TWI505706B TW101108684A TW101108684A TWI505706B TW I505706 B TWI505706 B TW I505706B TW 101108684 A TW101108684 A TW 101108684A TW 101108684 A TW101108684 A TW 101108684A TW I505706 B TWI505706 B TW I505706B
Authority
TW
Taiwan
Prior art keywords
infrared
environment image
far
category
value
Prior art date
Application number
TW101108684A
Other languages
English (en)
Other versions
TW201338517A (zh
Inventor
Hsuchun Yen
Cheyi Lin
Kaijun Wang
Chunyeh Liao
Cheyu Chang
Shengyang Wu
Original Assignee
Inst Information Industry
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inst Information Industry filed Critical Inst Information Industry
Priority to TW101108684A priority Critical patent/TWI505706B/zh
Priority to US13/482,014 priority patent/US20130240735A1/en
Publication of TW201338517A publication Critical patent/TW201338517A/zh
Application granted granted Critical
Publication of TWI505706B publication Critical patent/TWI505706B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/80—Calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Description

應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體
本發明是有關於一種物體偵測方法、裝置以及其電腦可讀取記錄媒體，且特別是有關於一種應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體。
近年來交通事故成了國行人意外死亡的主要原因，而行人更常是交通事故中的犧牲者。尤其，在夜間行車時，僅能透過路燈以及車輛車頭燈的照明，協助駕駛人辨識前方路況，以確保行車安全。然而，當大雨、濃霧等外在環境因素，或疲勞駕駛、視力不佳等個人因素的影響，常使得駕駛人容易疏忽前方的行人、障礙物等而造成意外。因此，越來越多廠商研發出行人或物體(如車輛)偵測系統，用以提醒駕駛人注意其車輛附近之物體，或進而協助駕駛人進行應對措施(如煞車)。
先前技術中，常會採用遠紅線攝影機、近紅外線攝影機或可見光攝影機，拍攝車輛附近之環境影像。於是，可藉由拍攝出之影像，偵測出車輛附近是否有行人或障礙物。
然而，在環境溫度較高(如白天)時，地面溫度容易與人體體溫相近。於是，常常造成藉由遠紅外線攝影機進行行人偵測無法有效的運作。即便在晚間，遠紅外線攝影機仍受到街燈、路面餘熱等因素，影響辨識結果。此外，近紅外線攝影機以及可見光攝影機所拍攝之影像，會被對向來車車頭所產生之眩光所影響，因而影響行人或障礙物偵測之準確率。
因此，本發明之一態樣是在提供一種應用近紅外線與遠紅外線之物體偵測方法，用以根據近紅外線以及遠紅外線拍攝之影像，判斷出其環境類別，並根據環境類別進行物體偵測。應用近紅外線與遠紅外線之物體偵測方法，包含以下步驟：
(a)接收一近紅外線環境影像以及一遠紅外線環境影像。其中，近紅外線環境影像以及遠紅外線環境影像係對同一目前環境所拍攝。
(b)分析近紅外線環境影像，以取得近紅外線環境影像之數種近紅外線環境影像分析值。
(c)分析遠紅外線環境影像，以取得遠紅外線環境影像之數種遠紅外線環境影像分析值。
(d)根據近紅外線環境影像分析值以及遠紅外線環境影像分析值，產生一目前環境類別。
(e)對近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊。
(f)對遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊。
(g)根據目前環境類別、第一物體偵測資訊以及第二物體偵測資訊，取得目前環境之至少一已偵測物體之資訊。
本發明之另一態樣是在提供一種電腦可讀取記錄媒體，儲存一電腦程式，用以執行上述應用近紅外線與遠紅外線之物體偵測方法。方法步驟流程如上所述，在此不再重複贅述。
本發明之另一態樣是在提供一種應用近紅外線與遠紅外線之物體偵測裝置，用以根據近紅外線攝影機以及遠紅外線攝影機所拍攝之影像，判斷出其環境類別，並根據環境類別進行物體偵測。物體偵測裝置包含一近紅外線攝影機、一遠紅外線攝影機、一輸出元件以及一處理元件。處理元件電性連接近紅外線攝影機、遠紅外線攝影機以及輸出元件。處理元件包含一攝影機驅動模組、一分析模組、一類別產生模組、一物體偵測模組以及一輸出模組。攝影機驅動模組驅動近紅外線攝影機以及遠紅外線攝影機對同一目前環境進行拍攝，以產生一近紅外線環境影像以及一遠紅外線環境影像。分析模組分析近紅外線環境影像，以取得近紅外線環境影像之數種近紅外線環境影像分析值，並分析遠紅外線環境影像，以取得遠紅外線環境影像之數種遠紅外線環境影像分析值。類別產生模組根據近紅外線環境影像分析值以及遠紅外線環境影像分析值，產生一目前環境類別。物體偵測模組對近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊，並對遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊。輸出模組根據目前環境類別、第一物體偵測資訊以及第二物體偵測資訊，取得目前環境之至少一已偵測物體之資訊，並驅動輸出元件輸出至少一已偵測物體之資訊。
應用本發明具有下列優點。可依據分析出之環境類別，而適當地採納近紅外線影像以及遠紅外線影像之物體偵測結果，產生較精確的偵測結果。尤其，在將本發明應用於一車上裝置時，於行駛途中可提供車輛駕駛較為精確的物體偵測結果，避免車輛因路上之物體造成事故。此外，由於本發明之物體偵測結果係因應不同環境類別所產生，因此即使在不同路況下，皆能產生相當精確的物體偵測結果。
以下將以圖式及詳細說明本發明之精神，任何所屬技術領域中具有通常知識者在瞭解本發明之較佳實施例後，當可由本發明所教示之技術加以改變及修飾，其並不脫離本發明之精神與範圍。
請參照第1圖，其係依照本發明一實施方式的一種應用近紅外線與遠紅外線之物體偵測方法之流程圖。在應用近紅外線與遠紅外線之物體偵測方法中，根據近紅外線以及遠紅外線拍攝之影像，判斷出其環境類別，並根據環境類別進行物體偵測。應用近紅外線與遠紅外線之物體偵測方法可經由電腦程式來進行實作。電腦程式可儲存於一電腦可讀取記錄媒體中，而使電腦讀取此記錄媒體後執行此物體偵測方法。電腦可讀取記錄媒體可為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之電腦可讀取記錄媒體。
應用近紅外線與遠紅外線之物體偵測方法100包含以下步驟：
在步驟110中，接收一近紅外線環境影像以及一遠紅外線環境影像。其中，近紅外線環境影像係藉由一近紅外線攝影機所拍攝而成，遠紅外線環境影像係藉由一遠紅外線攝影機所拍攝而成。近紅外線環境影像以及遠紅外線環境影像係對同一目前環境所拍攝所得。
在步驟120中，分析近紅外線環境影像以及遠紅外線環境影像，以分別取得近紅外線環境影像之數種近紅外線環境影像分析值以及遠紅外線環境影像之數種遠紅外線環境影像分析值。舉例來說，分析近紅外線環境影像所取得之數種近紅外線環境影像分析值可包含近紅外線環境影像上之所有像素之近紅外線像素平均值、近紅外線環境影像上之所有像素之眾數、近紅外線環境影像上之所有像素間之偏差值(如標準差、四分位差、梯度、一階微分值、二階微分值等)、近紅外線環境影像上之所有像素之最大值、最小值或其他分析數值之其中數個。分析遠紅外線環境影像所取得之數種遠紅外線環境影像分析值可包含遠紅外線環境影像上之所有像素之遠紅外線像素平均值、遠紅外線環境影像上之所有像素之眾數、遠紅外線環境影像上之所有像素間之偏差值(如標準差、四分位差、一階微分值、二階微分值等)、遠紅外線環境影像上之所有像素之最大值、最小值或其他分析數值之其中數個。
在步驟130中，根據近紅外線環境影像分析值以及遠紅外線環境影像分析值，產生一目前環境類別。
在步驟140中，對近紅外線環境影像以及遠紅外線環境影像進行物體偵測，以分別取得第一以及第二物體偵測資訊。在本發明之一實施例中，可對近紅外線環境影像進行區塊掃描，以自近紅外線環境影像偵測出數個物體，並據此產生第一物體偵測資訊。同理，可對遠紅外線環境影像進行區塊掃描，以自遠紅外線環境影像偵測出數個物體，並據此產生第二物體偵測資訊。其中，步驟140可針對人、動物或其他預設之欲偵測物體進行偵測。此外，在其他實施例中，可先執行步驟140後，再執行步驟120，並不限於本揭露。
在步驟150中，根據目前環境類別、第一物體偵測資訊以及第二物體偵測資訊，取得目前環境之至少一已偵測物體之資訊。在步驟150之一實施例中，可根據步驟130所產生之目前環境類別，取得一近紅外線環境影像權重以及一遠紅外線環境影像權重。於是，可將第一物體偵測資訊代入近紅外線環境影像權重，並將第二物體偵測資訊代入遠紅外線環境影像權重，以計算出至少一已偵測物體之資訊。在步驟150之一實施例中，可根據步驟130所產生之目前環境類別，使用相應之計算方式計算出至少一已偵測物體之資訊，並不限於本揭露。如此一來，可依據分析出之環境類別，而適當地採納近紅外線影像以及遠紅外線影像之物體偵測結果，產生較精確的偵測結果。
在本發明之一實施例中，可藉由近紅外線環境影像之近紅外線像素平均值，判斷目前環境為白天或夜晚。因此，在步驟130之一實施例中，在近紅外線環境影像之近紅外線像素平均值大於一近紅外線像素值上限時，可將目前環境類別設為一白天類別。同理，在近紅外線環境影像之近紅外線像素平均值小於一近紅外線像素值下限時，可將目前環境類別設為一夜晚類別。於是，步驟150可根據白天類別或夜晚類別，而給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。
在步驟130之另一實施例中，可根據遠紅外線像素平均值，判斷目前環境類別之一目前天氣狀態。舉例來說，如果遠紅外線像素平均值較高，可判定目前天氣狀態較為炎熱。同理，如果遠紅外線像素平均值較低，可判定目前天氣狀態較為涼爽。於是，步驟150可根據目前天氣狀態，給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。例如，在較炎熱的天氣狀態下，採納遠紅外線之偵測結果之比重較低；在較涼爽的天氣狀態下，採納遠紅外線之偵測結果之比重較高。
在步驟130之另一實施例中，在近紅外線環境影像之近紅外線像素偏差值小於一近紅外線像素偏差值下限時，可將目前環境類別設為一眩光類別或一迷霧類別。於是，可對近紅外線環境影像上之眩光或迷霧區塊進行處理後，才對處理後之近紅外線環境影像執行步驟140之物體偵測。
在步驟130之另一實施例中，可計算近紅外線環境影像之近紅外線像素最大值以及近紅外線像素最小值間之一像素差異值。在近紅外線環境影像之像素差異值小於一差異值下限時，將目前環境類別設為一白天類別。於是，步驟150可根據白天類別，而給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。
在步驟130之另一實施例中，可計算遠紅外線環境影像之遠紅外線像素最大值以及遠紅外線像素最小值間之一像素差異值。在遠紅外線環境影像上之像素差異值小於一差異值下限時，將目前環境類別設為一大熱天類別。於是，步驟150可根據大熱天類別，而給予遠紅外線影像之物體偵測結果較低之採納比重，而計算出目前環境之已偵測物體。然而，在其他實施例中，可將依據各種分析數值所歸納出之多種環境類別進行統整，以產生出較恰當目前環境類別，並不限於本揭露。
此外，在物體偵測方法100中，可分析近紅外線環境影像是否有數個同心圓。其中，可藉由對近紅外線環境影像上之像素值進行梯度計算或二階微分偵測，而判斷近紅外線環境影像上是否有數個同心圓。在近紅外線環境影像有數個同心圓，將近紅外線環境影像之同心圓所在區塊視為一眩光區塊。於是，可對近紅外線環境影像上之眩光區塊進行處理後，才對處理後之近紅外線環境影像執行步驟140之物體偵測，以提高根據近紅外線環境影像偵測物體之精確率。
請參照第2圖，其繪示依照本發明一實施例的應用近紅外線與遠紅外線之物體偵測裝置之功能方塊圖。物體偵測裝置根據近紅外線攝影機以及遠紅外線攝影機所拍攝之影像，判斷出其所處之環境類別，並根據環境類別進行物體偵測。
應用近紅外線與遠紅外線之物體偵測裝置200包含一近紅外線攝影機210、一遠紅外線攝影機220、一輸出元件230以及一處理元件240。處理元件240電性連接近紅外線攝影機210、遠紅外線攝影機220以及輸出元件230。輸出元件230可為一顯示元件、一喇叭、一資料傳輸元件或其他類型之輸出元件。
處理元件240包含一攝影機驅動模組241、一分析模組242、一類別產生模組243、一物體偵測模組244以及一輸出模組245。攝影機驅動模組241驅動近紅外線攝影機210以及遠紅外線攝影機220對同一目前環境進行拍攝，以分別產生一近紅外線環境影像以及一遠紅外線環境影像。
分析模組242分析近紅外線環境影像，以取得近紅外線環境影像之數種近紅外線環境影像分析值。分析模組242所分析出之近紅外線環境影像分析值可包含近紅外線環境影像上之所有像素之近紅外線像素平均值、近紅外線環境影像上之所有像素之眾數、近紅外線環境影像上之所有像素間之偏差值(如標準差、四分位差、梯度、一階微分值、二階微分值等)、近紅外線環境影像上之所有像素之最大值、最小值或其他分析數值之其中數個。分析模組242分析遠紅外線環境影像，以取得遠紅外線環境影像之數種遠紅外線環境影像分析值。分析模組242所分析出之遠紅外線環境影像分析值可包含遠紅外線環境影像上之所有像素之遠紅外線像素平均值、遠紅外線環境影像上之所有像素之眾數、遠紅外線環境影像上之所有像素間之偏差值(如標準差、四分位差、一階微分值、二階微分值等)、遠紅外線環境影像上之所有像素之最大值、最小值或其他分析數值之其中數個。
類別產生模組243根據近紅外線環境影像分析值以及遠紅外線環境影像分析值，產生一目前環境類別。
物體偵測模組244對近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊，並對遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊。其中，上述第一以及第二物體偵測資訊可藉由對近紅外線環境影像以及遠紅外線環境影像，進行區塊掃描而產生。此外，物體偵測模組244可針對人、動物或其他預設之欲偵測物體進行偵測，而產生物體偵測資訊。
輸出模組245根據目前環境類別、第一物體偵測資訊以及第二物體偵測資訊，取得目前環境之至少一已偵測物體之資訊。接下來，輸出模組245驅動輸出元件230藉由顯示畫面、聲音提示或其他類型之訊號，輸出至少一已偵測物體之資訊。如此一來，可依據分析出之環境類別，而適當地採納近紅外線影像以及遠紅外線影像之物體偵測結果，產生較精確的偵測結果。在本發明之一實施例中，可將物體偵測裝置200安裝於一車輛上，以於行駛途中提供駕駛較為精確的物體偵測結果，避免車輛因路上之物體造成事故。此外，由於本發明之物體偵測結果係因應不同環境類別所產生，因此即使在不同路況下，皆能產生相當精確的物體偵測結果。
在本發明之一實施例中，輸出模組245可包含一權重取得器245a，用以根據目前環境類別，取得一近紅外線環境影像權重以及一遠紅外線環境影像權重。於是，輸出模組245可將第一物體偵測資訊代入近紅外線環境影像權重，並將第二物體偵測資訊代入遠紅外線環境影像權重，以計算出至少一已偵測物體之資訊。然而，在本發明之其他實施例中，輸出模組245可藉由其他方式，取得目前環境之至少一已偵測物體之資訊，並不限於本揭露。
在本發明之另一實施例中，分析模組242可包含一平均值計算器242a，用以計算近紅外線環境影像之一近紅外線像素平均值，作為其中一種近紅外線環境影像分析值。在近紅外線環境影像之近紅外線像素平均值大於一近紅外線像素值上限時，類別產生模組243將目前環境類別設為一白天類別。在近紅外線環境影像之近紅外線像素平均值小於一近紅外線像素值下限時，類別產生模組243將目前環境類別設為一夜晚類別。於是，輸出模組245可根據白天類別或夜晚類別，而給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。
在本發明之另一實施例中，平均值計算器242a可計算遠紅外線環境影像之一遠紅外線像素平均值，作為其中一種遠紅外線環境影像分析值。於是，類別產生模組243可根據遠紅外線像素平均值，判斷目前環境類別之一目前天氣狀態。舉例來說，如果遠紅外線像素平均值較高，類別產生模組243可判定目前天氣狀態較為炎熱。同理，如果遠紅外線像素平均值較低，類別產生模組243可判定目前天氣狀態較為涼爽。於是，輸出模組245可根據目前天氣狀態，給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。例如，在較炎熱的天氣狀態下，輸出模組245採納遠紅外線之偵測結果之比重較低；在較涼爽的天氣狀態下，輸出模組245採納遠紅外線之偵測結果之比重較高。
在本發明之另一實施例中，分析模組242可包含一偏差值計算器242b，用以計算近紅外線環境影像之一近紅外線像素偏差值，作為其中一種近紅外線環境影像分析值。在近紅外線環境影像之近紅外線像素偏差值小於一近紅外線像素偏差值下限時，類別產生模組243將目前環境類別設為一眩光類別或一迷霧類別。於是，處理元件240可對近紅外線環境影像上之眩光或迷霧區塊進行處理後，才使物理偵測模組244對處理後之近紅外線環境影像，執行物體偵測。
在本發明之另一實施例中，分析模組242可包含一最大值分析器242c以及一最小值分析器242d。最大值分析器242c分析近紅外線環境影像之一近紅外線像素最大值，最小值分析器242d分析近紅外線環境影像之一近紅外線像素最小值。於是，類別產生模組243計算近紅外線像素最大值以及近紅外線像素最小值間之一像素差異值，並在像素差異值小於一差異值下限時，將目前環境類別設為一白天類別。於是，輸出模組245可根據白天類別，而給予近紅外線影像以及遠紅外線影像之物體偵測結果相應的權重或計算方式，計算出目前環境之已偵測物體。
此外，最大值分析器242c亦可分析遠紅外線環境影像之一遠紅外線像素最大值，最小值分析器242d可分析遠紅外線環境影像之一遠紅外線像素最小值。於是，類別產生模組243可計算遠紅外線像素最大值以及遠紅外線像素最小值間之一像素差異值，並在像素差異值小於一差異值下限時，將目前環境類別設為一大熱天類別。於是，輸出模組245可根據大熱天類別，而給予遠紅外線影像之物體偵測結果較低之採納比重，而計算出目前環境之已偵測物體。
另外，分析模組242可包含一同心圓分析器242e，用以分析近紅外線環境影像上是否有數個同心圓。在近紅外線環境影像有數個同心圓，處理元件240將近紅外線環境影像之同心圓所在區塊視為一眩光區塊。於是，物體偵測模組244可對近紅外線環境影像上之眩光區塊進行處理後，才對處理後之近紅外線環境影像執行物體偵測，以提高根據近紅外線環境影像偵測物體之精確率。
應用本發明具有下列優點。可依據分析出之環境類別，而適當地採納近紅外線影像以及遠紅外線影像之物體偵測結果，產生較精確的偵測結果。尤其，在將本發明應用於一車上裝置時，於行駛途中可提供車輛駕駛較為精確的物體偵測結果，避免車輛因路上之物體造成事故。此外，由於本發明之物體偵測結果係因應不同環境類別所產生，因此即使在不同路況下，皆能產生相當精確的物體偵測結果。
雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100．．．應用近紅外線與遠紅外線之物體偵測方法
110～150．．．步驟
200．．．應用近紅外線與遠紅外線之物體偵測裝置
210．．．近紅外線攝影機
220．．．遠紅外線攝影機
230．．．輸出元件
240．．．處理元件
241．．．攝影機驅動模組
242．．．分析模組
242a．．．平均值計算器
242b．．．偏差值計算器
242c．．．最大值分析器
242d．．．最小值分析器
242e．．．同心圓分析器
243．．．類別產生模組
244．．．物體偵測模組
245．．．輸出模組
245a．．．權重取得器
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下：
第1圖係依照本發明一實施方式的一種應用近紅外線與遠紅外線之物體偵測方法之流程圖。
第2圖繪示依照本發明一實施例的應用近紅外線與遠紅外線之物體偵測裝置之功能方塊圖。
100．．．應用近紅外線與遠紅外線之物體偵測方法
110～150．．．步驟

Claims (17)

  1. 一種應用近紅外線與遠紅外線之物體偵測方法，包含：(a)接收一近紅外線環境影像以及一遠紅外線環境影像，其中該近紅外線環境影像以及該遠紅外線環境影像係對一目前環境所拍攝；(b)分析該近紅外線環境影像，以取得該近紅外線環境影像之複數種近紅外線環境影像分析值；(c)分析該遠紅外線環境影像，以取得該遠紅外線環境影像之複數種遠紅外線環境影像分析值；(d)根據該些近紅外線環境影像分析值以及該些遠紅外線環境影像分析值，產生一目前環境類別；(e)對該近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊；(f)對該遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊；以及(g)根據該目前環境類別、該第一物體偵測資訊以及該第二物體偵測資訊，取得該目前環境之至少一已偵測物體之資訊。
  2. 如請求項1所述之物體偵測方法，其中步驟(g)包含：根據該目前環境類別，取得一近紅外線環境影像權重以及一遠紅外線環境影像權重；以及將該第一物體偵測資訊代入該近紅外線環境影像權重，並將該第二物體偵測資訊代入該遠紅外線環境影像權重，以計算出該至少一已偵測物體之資訊。
  3. 如請求項1所述之物體偵測方法，其中：該些近紅外線環境影像分析值包含該近紅外線環境影像之一近紅外線像素平均值；步驟(d)包含：在該近紅外線環境影像之該近紅外線像素平均值大於一近紅外線像素值上限時，將該目前環境類別設為一白天類別；以及在該近紅外線環境影像之該近紅外線像素平均值小於一近紅外線像素值下限時，將該目前環境類別設為一夜晚類別。
  4. 如請求項1所述之物體偵測方法，其中：該些遠紅外線環境影像分析值包含該遠紅外線環境影像之一遠紅外線像素平均值；步驟(d)包含：根據該遠紅外線像素平均值，判斷該目前環境類別之一目前天氣狀態。
  5. 如請求項1所述之物體偵測方法，其中：該些近紅外線環境影像分析值包含該近紅外線環境影像之一近紅外線像素偏差值；步驟(d)包含：在該近紅外線環境影像之該近紅外線像素偏差值小於一近紅外線像素偏差值下限時，將該目前環境類別設為一眩光類別或一迷霧類別。
  6. 如請求項1所述之物體偵測方法，其中：該些近紅外線環境影像分析值包含該近紅外線環境影像之一近紅外線像素最大值以及一近紅外線像素最小值；步驟(d)包含：計算該近紅外線像素最大值以及該近紅外線像素最小值間之一像素差異值；以及在該像素差異值小於一差異值下限時，將該目前環境類別設為一白天類別。
  7. 如請求項1所述之物體偵測方法，其中：該些遠紅外線環境影像分析值包含該遠紅外線環境影像之一遠紅外線像素最大值以及一遠紅外線像素最小值；步驟(d)包含：計算該遠紅外線像素最大值以及該遠紅外線像素最小值間之一像素差異值；以及在該像素差異值小於一差異值下限時，將該目前環境類別設為一大熱天類別。
  8. 如請求項1所述之物體偵測方法，更包含：分析該近紅外線環境影像是否有複數個同心圓；以及在該近紅外線環境影像有該些同心圓，將該近紅外線環境影像之該些同心圓所在區塊視為一眩光區塊。
  9. 一種應用近紅外線與遠紅外線之物體偵測裝置，包含：一近紅外線攝影機；一遠紅外線攝影機；一輸出元件；以及一處理元件，電性連接該近紅外線攝影機、該遠紅外線攝影機以及該輸出元件，其中該處理元件包含：一攝影機驅動模組，驅動該近紅外線攝影機以及該遠紅外線攝影機對同一目前環境進行拍攝，以產生一近紅外線環境影像以及一遠紅外線環境影像；一分析模組，分析該近紅外線環境影像，以取得該近紅外線環境影像之複數種近紅外線環境影像分析值，並分析該遠紅外線環境影像，以取得該遠紅外線環境影像之複數種遠紅外線環境影像分析值；一類別產生模組，根據該些近紅外線環境影像分析值以及該些遠紅外線環境影像分析值，產生一目前環境類別；一物體偵測模組，對該近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊，並對該遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊；以及一輸出模組，根據該目前環境類別、該第一物體偵測資訊以及該第二物體偵測資訊，取得該目前環境之至少一已偵測物體之資訊，並驅動該輸出元件輸出該至少一已偵測物體之資訊。
  10. 如請求項9所述之物體偵測裝置，其中該輸出模組包含：一權重取得器，根據該目前環境類別，取得一近紅外線環境影像權重以及一遠紅外線環境影像權重，其中該輸出模組將該第一物體偵測資訊代入該近紅外線環境影像權重，並將該第二物體偵測資訊代入該遠紅外線環境影像權重，以計算出該至少一已偵測物體之資訊。
  11. 如請求項9所述之物體偵測裝置，其中：該分析模組包含一平均值計算器，計算該近紅外線環境影像之一近紅外線像素平均值，作為該些近紅外線環境影像分析值的其中之一；在該近紅外線環境影像之該近紅外線像素平均值大於一近紅外線像素值上限時，該類別產生模組將該目前環境類別設為一白天類別；以及在該近紅外線環境影像之該近紅外線像素平均值小於一近紅外線像素值下限時，該類別產生模組將該目前環境類別設為一夜晚類別。
  12. 如請求項9所述之物體偵測裝置，其中：該分析模組包含一平均值計算器，計算該遠紅外線環境影像之一遠紅外線像素平均值，作為該些遠紅外線環境影像分析值的其中之一；以及該類別產生模組根據該遠紅外線像素平均值，判斷該目前環境類別之一目前天氣狀態。
  13. 如請求項9所述之物體偵測裝置，其中：該分析模組包含一偏差值計算器，計算該近紅外線環境影像之一近紅外線像素偏差值，作為該些近紅外線環境影像分析值的其中之一；以及在該近紅外線環境影像之該近紅外線像素偏差值小於一近紅外線像素偏差值下限時，該類別產生模組將該目前環境類別設為一眩光類別或一迷霧類別。
  14. 如請求項9所述之物體偵測裝置，其中該分群模組更包含：該分析模組包含一最大值分析器以及一最小值分析器；該最大值分析器分析該近紅外線環境影像之一近紅外線像素最大值，作為該些近紅外線環境影像分析值的其中之一；該最小值分析器分析該近紅外線環境影像之一近紅外線像素最小值，作為該些近紅外線環境影像分析值的其中之一；以及該類別產生模組計算該近紅外線像素最大值以及該近紅外線像素最小值間之一像素差異值，並在該像素差異值小於一差異值下限時，將該目前環境類別設為一白天類別。
  15. 如請求項9所述之物體偵測裝置，更包含：該分析模組包含一最大值分析器以及一最小值分析器；該最大值分析器分析該遠紅外線環境影像之一遠紅外線像素最大值，作為該些遠紅外線環境影像分析值的其中之一；該最小值分析器分析該遠紅外線環境影像之一遠紅外線像素最小值，作為該些遠紅外線環境影像分析值的其中之一；以及該類別產生模組計算該遠紅外線像素最大值以及該遠紅外線像素最小值間之一像素差異值，並在該像素差異值小於一差異值下限時，將該目前環境類別設為一大熱天類別。
  16. 如請求項9所述之物體偵測裝置，其中該分析模組包含：一同心圓分析器，分析該近紅外線環境影像是否有複數個同心圓，其中在該近紅外線環境影像有該些同心圓，該處理元件將該近紅外線環境影像之該些同心圓所在區塊視為一眩光區塊。
  17. 一種電腦可讀取記錄媒體，儲存一電腦程式，用以執行一種應用近紅外線與遠紅外線之物體偵測方法，其中該物體偵測方法，包含：(a)接收一近紅外線環境影像以及一遠紅外線環境影像，其中該近紅外線環境影像以及該遠紅外線環境影像係對一目前環境所拍攝；(b)分析該近紅外線環境影像，以取得該近紅外線環境影像之複數種近紅外線環境影像分析值；(c)分析該遠紅外線環境影像，以取得該遠紅外線環境影像之複數種遠紅外線環境影像分析值；(d)根據該些近紅外線環境影像分析值以及該些遠紅外線環境影像分析值，產生一目前環境類別；(e)對該近紅外線環境影像進行物體偵測，以取得一第一物體偵測資訊；(f)對該遠紅外線環境影像進行物體偵測，以取得一第二物體偵測資訊；以及(g)根據該目前環境類別、該第一物體偵測資訊以及該第二物體偵測資訊，取得該目前環境之至少一已偵測物體之資訊。
TW101108684A 2012-03-14 2012-03-14 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體 TWI505706B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW101108684A TWI505706B (zh) 2012-03-14 2012-03-14 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體
US13/482,014 US20130240735A1 (en) 2012-03-14 2012-05-29 Method and Apparatus for Detecting Objects by Utilizing Near Infrared Light and Far Infrared Light and Computer Readable Storage Medium Storing Computer Program Performing the Method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW101108684A TWI505706B (zh) 2012-03-14 2012-03-14 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體

Publications (2)

Publication Number Publication Date
TW201338517A TW201338517A (zh) 2013-09-16
TWI505706B true TWI505706B (zh) 2015-10-21

Family

ID=49156777

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101108684A TWI505706B (zh) 2012-03-14 2012-03-14 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體

Country Status (2)

Country Link
US (1) US20130240735A1 (zh)
TW (1) TWI505706B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108431632A (zh) * 2015-12-21 2018-08-21 株式会社小糸制作所 车辆用传感器及具有该车辆用传感器的车辆
US20200155040A1 (en) * 2018-11-16 2020-05-21 Hill-Rom Services, Inc. Systems and methods for determining subject positioning and vital signs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060188246A1 (en) * 2005-02-23 2006-08-24 Bill Terre Infrared camera systems and methods
TWI266536B (en) * 2004-09-24 2006-11-11 Service & Quality Technology C Intelligent image-processing device for closed-circuit TV camera and it operating method
TWM350016U (en) * 2008-09-10 2009-02-01 Chih-Hsiung Shen Detection device for detecting position changes of infrared thermal radiation object
TW201133305A (en) * 2009-08-19 2011-10-01 Sony Corp Sensor device, method of driving sensor element, display device with input function and electronic unit
TW201142769A (en) * 2009-12-10 2011-12-01 Sony Corp Three-dimensional image display device, method of manufacturing the same, and three-dimensional image display method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5700803B2 (ja) * 2011-02-22 2015-04-15 株式会社タムロン 赤外線カメラの光学配置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI266536B (en) * 2004-09-24 2006-11-11 Service & Quality Technology C Intelligent image-processing device for closed-circuit TV camera and it operating method
US20060188246A1 (en) * 2005-02-23 2006-08-24 Bill Terre Infrared camera systems and methods
TWM350016U (en) * 2008-09-10 2009-02-01 Chih-Hsiung Shen Detection device for detecting position changes of infrared thermal radiation object
TW201133305A (en) * 2009-08-19 2011-10-01 Sony Corp Sensor device, method of driving sensor element, display device with input function and electronic unit
TW201142769A (en) * 2009-12-10 2011-12-01 Sony Corp Three-dimensional image display device, method of manufacturing the same, and three-dimensional image display method

Also Published As

Publication number Publication date
US20130240735A1 (en) 2013-09-19
TW201338517A (zh) 2013-09-16

Similar Documents

Publication Publication Date Title
US10373024B2 (en) Image processing device, object detection device, image processing method
JP4263737B2 (ja) 歩行者検知装置
EP1671216B1 (en) Moving object detection using low illumination depth capable computer vision
JP4482599B2 (ja) 車両の周辺監視装置
US9286512B2 (en) Method for detecting pedestrians based on far infrared ray camera at night
CN108197523B (zh) 基于图像转换及轮廓邻域差异的夜间车辆检测方法及***
JP6358552B2 (ja) 画像認識装置および画像認識方法
CN104657735A (zh) 车道线检测方法、***、车道偏离预警方法及***
JP4528283B2 (ja) 車両周辺監視装置
CN110135235B (zh) 一种眩光处理方法、装置及车辆
CN111783654B (zh) 车辆重识别方法、装置及电子设备
CN109671090A (zh) 基于远红外线的图像处理方法、装置、设备和存储介质
KR20190115501A (ko) 차량 인식 시스템
Hosseini et al. A system design for automotive augmented reality using stereo night vision
TWI505706B (zh) 應用近紅外線與遠紅外線之物體偵測方法、裝置以及其電腦可讀取記錄媒體
KR101276073B1 (ko) 차량용 내비게이션에서의 영상에서 앞차 검출을 통한 거리 인식 시스템 및 방법
JP4765113B2 (ja) 車両周辺監視装置、車両、車両周辺監視用プログラム、車両周辺監視方法
JP2014006820A (ja) 車両周辺監視装置
TWI638332B (zh) Hierarchical object detection system with parallel architecture and method thereof
TWI758980B (zh) 移動載具的環境感知裝置與方法
JP5149918B2 (ja) 車両の周辺監視装置
CN117975383B (zh) 一种基于多模态图像融合技术的车辆定位和识别方法
Saponara Real-time color/shape-based traffic signs acquisition and recognition system
Indiketiya et al. DFOG-Image Processing Application for Real-Time Defogging
Cai et al. Driver Fatigue Detection System Based on DM3730