TWI618647B - 適應演化式車燈號誌偵測追蹤與辨識系統及方法 - Google Patents

適應演化式車燈號誌偵測追蹤與辨識系統及方法 Download PDF

Info

Publication number
TWI618647B
TWI618647B TW105103314A TW105103314A TWI618647B TW I618647 B TWI618647 B TW I618647B TW 105103314 A TW105103314 A TW 105103314A TW 105103314 A TW105103314 A TW 105103314A TW I618647 B TWI618647 B TW I618647B
Authority
TW
Taiwan
Prior art keywords
vehicle
light
processor
sample
lamp
Prior art date
Application number
TW105103314A
Other languages
English (en)
Other versions
TW201728483A (zh
Inventor
任正隆
陳彥霖
余兆偉
李孟燦
蔡岳廷
Original Assignee
財團法人資訊工業策進會
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 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW105103314A priority Critical patent/TWI618647B/zh
Priority to CN201610103923.9A priority patent/CN107038711B/zh
Priority to US15/084,465 priority patent/US9898672B2/en
Publication of TW201728483A publication Critical patent/TW201728483A/zh
Application granted granted Critical
Publication of TWI618647B publication Critical patent/TWI618647B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

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

Abstract

一種適應演化式車燈號誌偵測追蹤與辨識系統包含影像擷取裝置與處理器。影像擷取裝置用於擷取車輛的影像。處理器用於處理車輛的影像，以產生一車燈偵測結果，基於車燈偵測結果，分析並整合一車燈動態運動資訊與一車燈多重尺度變異資訊，進而應用多重尺度空間車燈量測模型，以追蹤車輛之車燈的位置。

Description

適應演化式車燈號誌偵測追蹤與辨識系 統及方法
本發明是關於一種追蹤與辨識技術，特別是關於適應演化式車燈號誌偵測追蹤與辨識系統及方法。
隨著科技的發展，車輛輔助安全駕駛的議題，也就變得越來越重要。雖然目前已有許多追蹤車燈技術，但現有技術無法因應車速變化，較難處理複雜運動之車輛及車燈，追蹤可靠度較差。
綜上所述，如何能有效解决上述問題，實屬當前重要研發課題之一，亦成為當前相關領域亟需改進的目標。
本揭示內容之一態樣提出一種適應演化式車燈號誌偵測追蹤與辨識系統，其包含影像擷取裝置與處理器。影像擷取裝置用於擷取車輛的影像。處理器用於處理車輛的 影像，以產生一車燈偵測結果，基於車燈偵測結果，分析並整合一車燈動態運動資訊與一車燈多重尺度變異資訊，進而應用多重尺度空間車燈量測模型，以追蹤車輛之車燈的位置。
於一實施例中，車燈動態運動資訊包含車燈中心位置、車燈移動速度與移動角度，處理器基於車燈中心位置、車燈移動速度與移動角度，計算一車燈預測移動中心。
於一實施例中，車燈多重尺度變異資訊包含前一刻車燈樣本的變異矩陣，處理器根據變異矩陣與車燈移動速度，進行一演化樣本之適應性取樣區間範圍的估算，從而於適應性取樣區間範圍中進行取樣。
於一實施例中，處理器模擬前一刻車燈樣本於多重尺度空間的特徵，與當下取樣車燈樣本於多重尺度空間的特徵做比對，以計算權重式特徵差異並透過核函數估計相似權重，進而依據相似權重與當下取樣車燈樣本，以計算車輛之車燈的位置。
於一實施例中，處理器在計算車輛之車燈的位置以後，更新演化樣本之變異矩陣。
於一實施例中，前一刻車燈樣本於多重尺度空間的特徵與當下取樣車燈樣本於多重尺度空間的特徵之間的差異包含中心位置差距、平均亮度差異、平均色彩差異、燈面積差異與三維色彩直方圖差異中之至少一者。
於一實施例中，適應演化式車燈號誌偵測追蹤與辨識系統更包含警示裝置。警示裝置電性耦接處理器，當 處理器判定車輛之車燈的位置落入警戒範圍時，令警示裝置執行警示動作。
於一實施例中，處理器依據車輛的縱向車距以及影像擷取裝置與車輛之間的相對角度，計算權重式特徵總差異並透過核函數估計相似度，進而將相似度乘以車燈色彩原始預設閥值，得出車燈色彩動態更新閥值。
於一實施例中，處理器基於影像中的車輛中心與地平線之間的差距，定義縱向車距。
於一實施例中，適應演化式車燈號誌偵測追蹤與辨識系統更包含警示裝置。警示裝置電性耦接處理器，當處理器透過車輛的影像，判定車輛之第三煞車燈的色彩參數超出車燈色彩動態更新閥值時，令警示裝置執行警示動作。
本揭示內容之另一態樣提出一種適應演化式車燈號誌偵測追蹤與辨識方法，其包含以下步驟：(a)透過一影像擷取裝置以擷取一車輛的一影像；(b)利用一處理器去處理車輛的影像，以產生一車燈偵測結果；(c)利用處理器以基於車燈偵測結果，分析並整合一車燈動態運動資訊與一車燈多重尺度變異資訊，進而應用多重尺度空間車燈量測模型，以追蹤車輛之車燈的位置。
於一實施例中，車燈動態運動資訊包含車燈中心位置、車燈移動速度與移動角度，步驟(c)包含：基於車燈中心位置、車燈移動速度與移動角度，計算一車燈預測移動中心。
於一實施例中，車燈多重尺度變異資訊包含前 一刻車燈樣本的變異矩陣，步驟(c)更包含：根據變異矩陣與車燈移動速度，進行一演化樣本之適應性取樣區間範圍的估算，從而於適應性取樣區間範圍中進行取樣。
於一實施例中，步驟(c)更包含：模擬前一刻車燈樣本於多重尺度空間的特徵，與當下取樣車燈樣本於多重尺度空間的特徵做比對，以計算權重式特徵差異並透過核函數估計相似權重，進而依據相似權重與當下取樣車燈樣本，以計算車輛之車燈的位置。
於一實施例中，步驟(c)更包含：在計算車輛之車燈的位置以後，更新演化樣本之變異矩陣。
於一實施例中，前一刻車燈樣本於多重尺度空間的特徵與當下取樣車燈樣本於多重尺度空間的特徵之間的差異包含中心位置差距、平均亮度差異、平均色彩差異、燈面積差異與三維色彩直方圖差異中之至少一者。
於一實施例中，適應演化式車燈號誌偵測追蹤與辨識方法更包含：當處理器判定車輛之車燈的位置落入一警戒範圍時，令警示裝置執行警示動作。
於一實施例中，適應演化式車燈號誌偵測追蹤與辨識方法更包含：利用處理器以依據車輛的縱向車距以及影像擷取裝置與車輛之間的相對角度，計算權重式特徵總差異並透過核函數估計相似度，進而將相似度乘以車燈色彩原始預設閥值，得出車燈色彩動態更新閥值。
於一實施例中，處理器基於影像中的車輛中心與地平線之間的差距，定義縱向車距。
於一實施例中，適應演化式車燈號誌偵測追蹤與辨識方法更包含：當處理器透過車輛的影像，判定車輛之第三煞車燈的色彩參數超出車燈色彩動態更新閥值時，令警示裝置執行警示動作。
藉由本揭示內容所揭露之技術，分析並整合車燈動態運動資訊以及車燈多重尺度變異資訊，改善演化式計算之預測階段與樣本演化效率，並應用多重尺度空間車燈量測模型，以濾除雜訊，及正確穩健的持續更新車燈特徵追蹤狀態。
以下將以實施方式對上述之說明作詳細的描述，並對本發明之技術方案提供進一步的解釋。
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，所附符號之說明如下：
100‧‧‧適應演化式車燈號誌偵測追蹤與辨識系統
110‧‧‧影像擷取裝置
120‧‧‧處理器
130‧‧‧儲存裝置
140‧‧‧警示裝置
200‧‧‧適應演化式車燈號誌偵測追蹤與辨識方法
S201~S209‧‧‧步驟
300‧‧‧粒子
400‧‧‧車燈
401~405‧‧‧粒子
Level 1、Level 2、Level 3‧‧‧多重尺度空間特徵
為了讓本發明之上述和其他目的、特徵、優點與實施例更明顯易懂，所附圖示之說明如下：第1圖為根據本揭示內容一實施例中，一種適應演化式車燈號誌偵測追蹤與辨識系統之方塊圖；第2圖為根據本揭示內容一實施例中，一種適應演化式車燈號誌偵測追蹤與辨識方法之流程圖；第3圖為根據本揭示內容一實施例中，一種適應性取樣區間範圍之示意圖；以及第4圖為根據本揭示內容一實施例中，一種多重尺度空間特徵之示意圖。
為了使本發明之敘述更加詳盡與完備，可參照所附之圖式及以下所述各種實施例，圖式中相同之號碼代表相同或相似之元件。另一方面，眾所週知的元件與步驟並未描述於實施例中，以避免對本發明造成不必要的限制。
請參照第1圖。第1圖為根據本揭示內容一實施例中，一種適應演化式車燈號誌偵測追蹤與辨識系統100之方塊圖。適應演化式車燈號誌偵測追蹤與辨識系統100可架設或安裝於車輛上，用來偵測及追蹤前車，並且偵測前車的車燈(如：方向燈與煞車燈)，來分析前車的行車狀況，幫助駕駛人避免危險的發生。
如第1圖所示，適應演化式車燈號誌偵測追蹤與辨識系統100包含影像擷取裝置110、處理器120、儲存裝置130與警示裝置140。處理器120電性耦接影像擷取裝置110、儲存裝置130與警示裝置140。在硬體架構上，影像擷取裝置110可為攝影裝置，處理器120可為微控制器或中央處理單元，儲存裝置130可為硬碟或快閃記憶體，警示裝置140可實作成顯示器或揚聲器。
當駕駛人在開車時，影像擷取裝置用於擷取前車的影像。處理器120處理前車的影像，以產生一車燈偵測結果；接著，處理器120基於車燈偵測結果，分析並整合車燈動態運動資訊與車燈多重尺度變異資訊，改善演化式計算之預測階段與樣本演化效率，進而應用多重尺度空間車燈量測模型，以濾除雜訊，正確穩健的持續更新車燈特徵追蹤狀 態，從而追蹤前車之車燈的位置。另一方面，儲存裝置130可儲存前車的影像、演化樣本…等相關資料。
當處理器120判定前車之車燈的位置落入警戒範圍時，代表駕駛人的車輛離前車太近，因此，處理器120令警示裝置140執行警示動作，藉以提醒駕駛人提高警覺，以免不慎撞到前車。舉例而言，若警示裝置140為揚聲器，揚聲器可播放警示音效；若警示裝置140為顯示器，顯示器可呈現警示文字或警示圖符。
為了對適應演化式車燈號誌偵測追蹤與辨識系統100做更進一步的闡述，請參照第2圖。第2圖為根據本揭示內容一實施例中，一種適應演化式車燈號誌偵測追蹤與辨識方法200之流程圖。如第2圖所示，適應演化式車燈號誌偵測追蹤與辨識方法200包含步驟S201~S209(應瞭解到，在本實施例中所提及的步驟，除特別敘明其順序者外，均可依實際需要調整其前後順序，甚至可同時或部分同時執行)。
實作上，適應演化式車燈號誌偵測追蹤與辨識方法200可由適應演化式車燈號誌偵測追蹤與辨識系統100實現。以下將搭配第1、2圖來說明本發明之適應性預測之演化式多重尺度車燈特徵追蹤。
為了在車輛行進中持續對前車的車燈持續追蹤，於步驟S201，處理器120判斷是否為初始取樣。若儲存裝置130中沒有前一刻車燈樣本，則代表為初始取樣，於步驟S204，處理器120均勻式分布產生演化樣本。然後， 步驟S205，處理器120於各尺度空間隨機取樣。
反之，若儲存裝置130中有留存前一刻車燈樣本，則代表不為初始取樣。接著，於步驟S202，處理器120可基於車燈動態運動資訊，計算一車燈預測移動中心。
於一實施例中，車燈動態運動資訊包含車燈中心位置(x k =[x x y y ] T )、車燈移動速度( v k =[v x v y ] T )與移動角度(θ)，車燈預測移動中心係滿足下列關係式： 其中T S 為取樣時間，代表於第k時刻之車燈預測移動中心的位置。
於步驟S203，處理器120計算適應性取樣區間範圍，產生演化樣本。於一實施例中，演化樣本為一演化式計算樣本，係滿足下列關係式： 其中為樣本，為樣本之演化權重值。
承上，處理器120定義演化樣本之車燈動態模型，其係滿足下列關係式： 其中w k 為高斯雜訊。
於一實施例中，車燈多重尺度變異資訊包含前一刻車燈樣本的變異矩陣，其係滿足下列關係式： 其中代表於第k-1時刻之車燈追蹤結果座標。
於步驟203中，處理器120根據變異矩陣與車燈移動速度，進行演化樣本之適應性取樣區間範圍的估算。於一實施例中，適應性取樣區間範圍係滿足下列公式： 其中α x 、α y 為程度參數，程式設計者可自行設定之。
接著，於步驟S205，處理器120基於上述適應性取樣區間範圍，於個尺度空間隨機取樣。於一實施例中，處理器120使用上述步驟203之與的公式進行樣本於空間中取樣，其係滿足下列關係式：
為了步驟S203、S205做進一步說明，請參照第3圖。首先，處理器120取得前一刻車燈位置及變異量範圍()，接著根據多重尺度樣本變異量(C k-1)與車燈動態移動量(vT S )，估算此刻(即，第k時刻)車燈位置的演化樣本的適應性取樣區間範圍(、)。然後，處理器120可透過粒子過濾法(particle filter)，適應性取樣區間範圍(、)中隨機取樣。具體而言，處理器120透過適應性取樣區間範圍(、)中隨機分布的粒子300擷取特徵範圍，藉以進行取樣。
綜合以上步驟S203、S205，本發明使用可根 據車燈移動範圍，改變預測演化樣本產生的機制。相較於固定式的預測範圍，本發明的演化式適應性預測取樣區間，可提升車燈特徵追蹤預測的正確性。
接下來，進行重要性取樣，請同時參照第2、4圖，以上述粒子過濾法為例，相較於粒子402~404，粒子401所擷取特徵範圍涵蓋較多車燈400的顏色區域，因此，透過粒子401取樣的重要性較高。於步驟206，處理器120進行多重尺度空間樣本特徵比對，如第4圖所示之透過粒子401取樣的多重尺度空間特徵Level 1、Level 2、Level 3。然後，於步驟207，處理器120進行多重尺度樣本特徵比對與核函數權重計算。
具體而言，在步驟206、207中，處理器120模擬前一刻車燈樣本於多重尺度空間的一個或多個特徵，與當下取樣車燈樣本於多重尺度空間的相應特徵做比對。接著，處理器120依據前一刻特徵與當下取樣特徵之間的差異，計算權重式特徵差異並透過核函數估計相似權重。
於一實施例中，當下取樣於第m尺度空間之特徵與前一刻之間差異可包含中心位置差距()、平均亮度差異()、 平均色彩差異()、燈面積差異 ()與三維色彩直方圖差異 ()，但不以此為限。
權重式特徵差異係滿足下列關係式：E m =α 1 e d +α 2 e B +α 3 e r_avg +α 4 e area +α 5 e C3D ， 其中α 1~α 5為程度參數，程式設計者可自行設定之。
於一實施例中，核函數(估計相似權重)係滿足下列關係式：
綜合以上步驟S206、S207，本發明整合多尺度空間特徵並設計核函數計算權重。先前技術沒有多重尺度的車燈特徵資訊，較無法適應車燈大小及較複雜車輛運動。
接下來，於步驟208，處理器120依據相似權重與上述的當下取樣車燈樣本，透過均方根誤差(RMSE)法則，以計算前車之車燈的位置，前述的計算係滿足下列關係式： 其中，N S 是樣本總數，e E代表期望值的運算。
於步驟209，在計算車輛之車燈的位置以後，處理器120更新演化樣本之變異矩陣，使儲存裝置130儲存更新過的車燈樣本，以作為下一刻取樣追蹤的依據。
除了上述車燈追蹤的技術以外，本發明亦提供了第三煞車燈偵測的改良。具體而言，處理器120依據前車的縱向車距(e virtical_d )以及影像擷取裝置110與前車之間的相對角度(α Hor )，計算權重式特徵總差異(E all )並透過核函數估計相似度(w)，進而將相似度(w)乘以車燈色彩原始預設閥值(TH orig )，得出車燈色彩動態更新閥值 (TH new )。
當處理器120透過前車的影像，判定前車之第三煞車燈的色彩參數超出車燈色彩動態更新閥值(TH new )時，代表前車正在煞車，因此處理器120令警示裝置140執行警示動作。
於一實施例中，處理器120基於影像中的車輛中心與地平線之間的差距，定義縱向車距(e virtical_d )，其係滿足下列關係式：e virtical_d =∥y i -y sky_line ∥，其中y i 是車輛影像高度，y sky_line 是地平線在影像中的高度。
關於y i 與y sky_line 的計算方式，可透過習知的或其他開發中的影像處理方式實現，於此不再詳述之。
於一實施例中，影像擷取裝置110與前車之間的相對角度(α Hor )係滿足下列關係式： 其中W為影像中畫面寬度，u是車輛(前車)中心座標的橫向分量，f是影像擷取裝置110的相機焦距。
於一實施例中，權重式特徵總差異(E all )係滿足下列關係式： 其中α 1與α 2是個別特徵的信心程度參數，可自行設定之。
於一實施例中，核函數(估計相似度)係滿足下列關係式： 此函數為高斯分布，可反映誤差越大則權重越小之0~1之間之權重數。
於一實施例中，閥值動態調整係滿足下列關係式：TH new =w×TH orig ，此代表影像中每個畫面(frame)自動調整車燈閥值產生TH orig 。
綜合以上，本發明基於不同前車之方位，動態計算合理之色彩/亮度閥值，以減少不同車況之錯誤偵測。先前技術多使用固定閥值分辨車燈，較難處理位置變化造成的影響。
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。

Claims (20)

  1. 一種適應演化式車燈號誌偵測追蹤與辨識系統，包含：一影像擷取裝置，用於擷取一車輛的一影像；以及一處理器，執行以下操作：處理該車輛的該影像，以產生一車燈偵測結果；以及基於該車燈偵測結果，分析並整合一車燈動態運動資訊與一車燈多重尺度變異資訊，進而應用多重尺度空間車燈量測模型，以追蹤該車輛之車燈的位置，其中該車燈多重尺度變異資訊包含前一刻車燈樣本的變異矩陣。
  2. 如請求項1所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該車燈動態運動資訊包含車燈中心位置、車燈移動速度與移動角度，該處理器基於該車燈中心位置、該車燈移動速度與該移動角度，計算一車燈預測移動中心。
  3. 如請求項2所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該處理器根據該變異矩陣與該車燈移動速度，進行一演化樣本之適應性取樣區間範圍的估算，從而於該適應性取樣區間範圍中進行取樣。
  4. 如請求項3所述之適應演化式車燈號誌偵 測追蹤與辨識系統，其中該處理器模擬該前一刻車燈樣本於多重尺度空間的特徵，與當下取樣車燈樣本於多重尺度空間的特徵做比對，以計算權重式特徵差異並透過核函數估計相似權重，進而依據該相似權重與該當下取樣車燈樣本，以計算該車輛之該車燈的位置。
  5. 如請求項4所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該處理器在計算該車輛之該車燈的位置以後，更新該演化樣本之變異矩陣。
  6. 如請求項4所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該前一刻車燈樣本於多重尺度空間的特徵與該當下取樣車燈樣本於多重尺度空間的特徵之間的差異包含中心位置差距、平均亮度差異、平均色彩差異、燈面積差異與三維色彩直方圖差異中之至少一者。
  7. 如請求項1所述之適應演化式車燈號誌偵測追蹤與辨識系統，更包含：一警示裝置，電性耦接該處理器，當該處理器判定該該車輛之該車燈的位置落入一警戒範圍時，令該警示裝置執行一警示動作。
  8. 如請求項1所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該處理器依據該車輛的縱向車距以及該影像擷取裝置與該車輛之間的相對角度，計算權重 式特徵總差異並透過核函數估計一相似度，進而將該相似度乘以一車燈色彩原始預設閥值，得出一車燈色彩動態更新閥值。
  9. 如請求項8所述之適應演化式車燈號誌偵測追蹤與辨識系統，其中該處理器基於該影像中的車輛中心與地平線之間的差距，定義該縱向車距。
  10. 如請求項8所述之適應演化式車燈號誌偵測追蹤與辨識系統，更包含：一警示裝置，電性耦接該處理器，當該處理器透過該車輛的該影像，判定該該車輛之第三煞車燈的色彩參數超出該車燈色彩動態更新閥值時，令該警示裝置執行一警示動作。
  11. 一種適應演化式車燈號誌偵測追蹤與辨識方法，包含以下步驟：(a)透過一影像擷取裝置以擷取一車輛的一影像；(b)利用一處理器去處理該車輛的該影像，以產生一車燈偵測結果；以及(c)利用該處理器以基於該車燈偵測結果，分析並整合一車燈動態運動資訊與一車燈多重尺度變異資訊，進而應用多重尺度空間車燈量測模型，以追蹤該車輛之車燈的位置，其中該車燈多重尺度變異資訊包含前一刻車燈樣本的變異矩陣。
  12. 如請求項11所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中該車燈動態運動資訊包含車燈中心位置、車燈移動速度與移動角度，步驟(c)包含：基於該車燈中心位置、該車燈移動速度與該移動角度，計算一車燈預測移動中心。
  13. 如請求項12所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中步驟(c)更包含：根據該變異矩陣與該車燈移動速度，進行一演化樣本之適應性取樣區間範圍的估算，從而於該適應性取樣區間範圍中進行取樣。
  14. 如請求項13所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中步驟(c)更包含：模擬該前一刻車燈樣本於多重尺度空間的特徵，與當下取樣車燈樣本於多重尺度空間的特徵做比對，以計算權重式特徵差異並透過核函數估計相似權重，進而依據該相似權重與該當下取樣車燈樣本，以計算該車輛之該車燈的位置。
  15. 如請求項14所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中步驟(c)更包含：在計算該車輛之該車燈的位置以後，更新該演化樣本之變異矩陣。
  16. 如請求項14所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中該前一刻車燈樣本於多重尺度空間的特徵與該當下取樣車燈樣本於多重尺度空間的特徵 之間的差異包含中心位置差距、平均亮度差異、平均色彩差異、燈面積差異與三維色彩直方圖差異中之至少一者。
  17. 如請求項11所述之適應演化式車燈號誌偵測追蹤與辨識方法，更包含：當該處理器判定該該車輛之該車燈的位置落入一警戒範圍時，令一警示裝置執行一警示動作。
  18. 如請求項11所述之適應演化式車燈號誌偵測追蹤與辨識方法，更包含：利用該處理器以依據該車輛的縱向車距以及該影像擷取裝置與該車輛之間的相對角度，計算權重式特徵總差異並透過核函數估計一相似度，進而將該相似度乘以一車燈色彩原始預設閥值，得出一車燈色彩動態更新閥值。
  19. 如請求項18所述之適應演化式車燈號誌偵測追蹤與辨識方法，其中該處理器基於該影像中的車輛中心與地平線之間的差距，定義該縱向車距。
  20. 如請求項18所述之適應演化式車燈號誌偵測追蹤與辨識方法，更包含：當該處理器透過該車輛的該影像，判定該車輛之第三煞車燈的色彩參數超出該車燈色彩動態更新閥值時，令一警示裝置執行一警示動作。
TW105103314A 2016-02-02 2016-02-02 適應演化式車燈號誌偵測追蹤與辨識系統及方法 TWI618647B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW105103314A TWI618647B (zh) 2016-02-02 2016-02-02 適應演化式車燈號誌偵測追蹤與辨識系統及方法
CN201610103923.9A CN107038711B (zh) 2016-02-02 2016-02-25 车灯号志侦测追踪与辨识***及方法
US15/084,465 US9898672B2 (en) 2016-02-02 2016-03-29 System and method of detection, tracking and identification of evolutionary adaptation of vehicle lamp

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105103314A TWI618647B (zh) 2016-02-02 2016-02-02 適應演化式車燈號誌偵測追蹤與辨識系統及方法

Publications (2)

Publication Number Publication Date
TW201728483A TW201728483A (zh) 2017-08-16
TWI618647B true TWI618647B (zh) 2018-03-21

Family

ID=59386842

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105103314A TWI618647B (zh) 2016-02-02 2016-02-02 適應演化式車燈號誌偵測追蹤與辨識系統及方法

Country Status (3)

Country Link
US (1) US9898672B2 (zh)
CN (1) CN107038711B (zh)
TW (1) TWI618647B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7013989B2 (ja) * 2018-03-23 2022-02-01 株式会社デンソー 他車両位置推定装置
US11788972B2 (en) 2021-04-29 2023-10-17 Industrial Technology Research Institute Method of automatically setting optical parameters and automated optical inspection system using the same

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW458073U (en) * 1999-12-22 2001-10-01 E Lead Electronic Co Ltd A distance inspecting device for safety sheltering system of vehicle
TWI253998B (en) * 2004-11-19 2006-05-01 Jiun-Yuan Tseng Method and apparatus for obstacle avoidance with camera vision
TWI311961B (en) * 2007-07-16 2009-07-11 Univ Chung Yuan Christian Optical collision avoidance system and method
US20100191418A1 (en) * 2007-06-18 2010-07-29 Yvan Mimeault Lighting system with driver assistance capabilities
TWI332454B (en) * 2008-09-10 2010-11-01 Univ Nat Chiao Tung Intelligent vehicle traffic safety supply system
TWI408625B (zh) * 2010-04-15 2013-09-11 Univ Nat Chiao Tung 車輛追蹤系統及其方法
TW201442903A (zh) * 2013-05-03 2014-11-16 Create Electronic Optical Co Ltd 具車道偏離（ｌｄｗｓ）及前方車距（ｆｃｗｓ）警示功能之行車記錄器（ｅｄｒ）
TW201537470A (zh) * 2014-03-27 2015-10-01 Wistron Corp 利用影像辨識產生相對應資訊之影像處理系統及其相關方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685014B (zh) * 2008-09-22 2011-06-29 财团法人车辆研究测试中心 物***置侦测装置及方法
JP4702426B2 (ja) * 2008-10-10 2011-06-15 株式会社デンソー 車両検出装置、車両検出プログラム、およびライト制御装置
CN101739827B (zh) * 2009-11-24 2014-10-29 北京中星微电子有限公司 一种车辆检测跟踪方法和装置
EP2423063B1 (en) 2010-08-23 2013-03-06 Harman Becker Automotive Systems GmbH Method of detecting the braking of a vehicle
TW201224954A (en) * 2010-12-10 2012-06-16 Ind Tech Res Inst Embedded system and method for processing and identifying image
CN102975659A (zh) * 2012-11-14 2013-03-20 沈阳理工大学 基于远红外图像的汽车夜间行驶预警***及方法
CN103050008B (zh) * 2013-01-14 2014-08-06 哈尔滨工程大学 夜间复杂交通视频中车辆检测方法
CN103208185B (zh) * 2013-03-19 2016-07-20 东南大学 一种基于车灯识别的夜间车辆检测方法及***
US10298741B2 (en) * 2013-07-18 2019-05-21 Secure4Drive Communication Ltd. Method and device for assisting in safe driving of a vehicle
CN103440771A (zh) * 2013-09-06 2013-12-11 天津工业大学 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用
CN103593535B (zh) * 2013-11-22 2017-02-22 南京洛普股份有限公司 基于多尺度融合的城市交通复杂自适应网络平行仿真***及方法
JP6251098B2 (ja) * 2014-03-20 2017-12-20 スタンレー電気株式会社 車両用灯具の配光制御装置、車両用前照灯システム
CN204124126U (zh) * 2014-09-29 2015-01-28 长安大学 一种后方车辆运动状态追踪预测装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW458073U (en) * 1999-12-22 2001-10-01 E Lead Electronic Co Ltd A distance inspecting device for safety sheltering system of vehicle
TWI253998B (en) * 2004-11-19 2006-05-01 Jiun-Yuan Tseng Method and apparatus for obstacle avoidance with camera vision
US20100191418A1 (en) * 2007-06-18 2010-07-29 Yvan Mimeault Lighting system with driver assistance capabilities
TWI311961B (en) * 2007-07-16 2009-07-11 Univ Chung Yuan Christian Optical collision avoidance system and method
TWI332454B (en) * 2008-09-10 2010-11-01 Univ Nat Chiao Tung Intelligent vehicle traffic safety supply system
TWI408625B (zh) * 2010-04-15 2013-09-11 Univ Nat Chiao Tung 車輛追蹤系統及其方法
TW201442903A (zh) * 2013-05-03 2014-11-16 Create Electronic Optical Co Ltd 具車道偏離（ｌｄｗｓ）及前方車距（ｆｃｗｓ）警示功能之行車記錄器（ｅｄｒ）
TW201537470A (zh) * 2014-03-27 2015-10-01 Wistron Corp 利用影像辨識產生相對應資訊之影像處理系統及其相關方法

Also Published As

Publication number Publication date
US20170220880A1 (en) 2017-08-03
US9898672B2 (en) 2018-02-20
CN107038711A (zh) 2017-08-11
TW201728483A (zh) 2017-08-16
CN107038711B (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN108725440B (zh) 前向碰撞控制方法和装置、电子设备、程序和介质
WO2022105609A1 (zh) 一种高空抛物检测方法、装置、计算机设备及存储介质
JP6144656B2 (ja) 歩行者の視覚的認識が困難であり得ることを運転者に警告するシステム及び方法
JP5453538B2 (ja) 近赤外線カメラを使用して歩行者を検出、分類、および追跡するための費用対効果の高いシステムおよび方法
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
CN100545867C (zh) 航拍交通视频车辆快速检测方法
JP4705090B2 (ja) 煙感知装置及びその方法
US11574481B2 (en) Camera blockage detection for autonomous driving systems
CN106408554B (zh) 遗留物检测装置、方法和***
JP6488083B2 (ja) 駐車区画占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法およびシステム
WO2018161037A1 (en) Systems and methods for quantitatively assessing collision risk and severity
EP1703466A2 (en) Moving object detection apparatus, method and program
JP2013537661A (ja) ステレオビジョン技術を使用することによる移動物体の自動検出
US10026163B2 (en) Hydrometeor identification methods and systems
US20150049906A1 (en) Human image tracking system, and human image detection and human image tracking methods thereof
TWI618647B (zh) 適應演化式車燈號誌偵測追蹤與辨識系統及方法
Zhang et al. Counting vehicles in urban traffic scenes using foreground time‐spatial images
JP2019154027A (ja) ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム
CN110426714B (zh) 一种障碍物识别方法
Qing et al. A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation
US9727792B2 (en) Method and device for tracking-based visibility range estimation
CN110414544B (zh) 一种目标状态分类方法、装置及***
US11961308B2 (en) Camera blockage detection for autonomous driving systems
CN115272730A (zh) 用于自主移动平台的去动态点方法及其***和设备
KR20180089976A (ko) 객체 검출 영역을 이용한 다수 객체 추적 시스템 및 방법