[發明專利]基于車輪識別的車后盲區監測方法

在審

• 申請號: 202110095907.0
• 申請日: 2021-01-25
• 公開（公告）號: CN112686209A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 陳一君;徐洪
• 申請（專利權）人: 深圳市艾為智能有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市世紀聯合知識產權代理事務所(普通合伙) 44764
• 代理人: 劉鳳儀

1.一種基于車輪識別的車后盲區監測方法，其特征在于所述的方法包括如下步驟：

步驟A、通過攝像頭采集車后左右兩側的圖像，通過Adaboost機器學習的目標檢測算法在當前的圖像中進行目標識別；所述目標為車輪；

步驟B、在當前的圖像中出現目標對象時，則對當前圖像的每一幀檢測框進行相交面積匹配，當連續兩幀的檢測框的相交面積大于閾值后，則匹配當前兩幀的檢測框識別的目標對象是同一個目標對象；

步驟C、當多幀圖像的檢測結果都是同一個目標對象，并且在當前的圖像中連續存在一段時間后，將累加的結果和閾值匹配，如大于閾值后就認為車后方存在目標對象。

2.根據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述的方法還包括步驟D、當確定車后存在目標對象后，向車內駕駛室輸出報警提示。

3.根據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述步驟B中對當前圖像的每一幀檢測框進行相交面積匹配時，還同時判斷攝像頭所采集的圖像中的目標對象，是否為同一個目標對象。

4.根據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述步驟B中的檢測框為Adaboost機器學習排布的矩形框；所述Adaboost機器學習為在攝像頭采集圖像的檢測區域內，每隔相同距離排布一個檢測條，由此生成檢測框。

5.根據權利要求4所述的基于車輪識別的車后盲區監測方法，其特征在于：所述檢測框排布方式為在初始化時生成一個從原始圖像到虛擬視角的矯正表，然后基于所述矯正表上的數據獲取原始圖像的點坐標對應在虛擬視角上的點坐標，并且反向求解出虛擬視角上的點坐標對應到原始圖像上的點坐標。

6.根據權利要求4或5所述的基于車輪識別的車后盲區監測方法，其特征在于：所述檢測區域是車后左右兩側3M×3M的范圍。

7.根據權利要求4所述的基于車輪識別的車后盲區監測方法，其特征在于：所述Adaboost機器學習排布的所有檢測框外接的矩形框為Adaboost機器學習的ROI布局。

8.根據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述步驟A中的Adaboost機器學習的目標檢測算法為首先對檢測框中排布的檢測條進行縮放，縮放到當前模型支持的圖像尺寸，然后對縮放后的圖像進行積分運算，分別求解出90度的積分圖和45度的積分圖；

對求解出的積分圖按照20×20的尺寸進行分類，所述分類為每次移動一個像素對每個檢測條進行Adaboost機器學習分類；

所述Adaboost機器學習分類為在積分圖上設置最多十二個點坐標的積分值分別和模型中的系數相乘再求和，當大于當前弱分類器的閾值后就將當前弱分類器的權重累加，依次計算當前強分類器的所有弱分類器，最后將所有弱分類器的權重累加的結果求和；

將求和后的結果和強分類器閾值相比較，大于強分類器閾值的說明當前20×20的檢測區域是存在目標對象的，反之則是不存在目標對象。

9.根據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述步驟A中為通過攝像頭同時采集車后左右兩側的圖像。

10.據權利要求1所述的基于車輪識別的車后盲區監測方法，其特征在于：所述步驟A中為通過單個攝像頭采集車后圖像并通過虛擬相機技術生成左右兩側虛擬圖像。