[發明專利]檢測成像傳感器的視線障礙的方法和系統以及訓練方法

在審

• 申請號: 202210120381.1
• 申請日: 2022-02-09
• 公開（公告）號: CN114943265A
• 公開（公告）日: 2022-08-26
• 發明（設計）人: F·布里克韋德;U·布勒施;郁杰
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06V10/764;G06V10/774
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 孫云漢;劉春元

本發明涉及一種用于檢測成像傳感器的視線障礙、尤其是遮擋（20）的計算機實現的方法和系統以及一種訓練方法。該方法包括：將第一數據集（DS1）與表示場景（12a）的參考拓撲（18）、尤其是場景元素（14a、14b、14c、14d）的出現和/或這些場景元素在場景（12a）中的布置的第二數據集（DS2）進行比較（S5）；而且如果第一數據集（DS1）的經分類的場景元素（14a、14b、14c、14d）與第二數據集（DS2）的經分類的場景元素（14a、14b、14c、14d）的偏差（A）超過預先給定的閾值（SW）則檢測（S6）到成像傳感器（10）的視線障礙、尤其是遮擋（20）。本發明還涉及一種計算機程序以及一種計算機可讀數據載體。

技術領域

本發明涉及一種用于檢測成像傳感器的視線障礙的計算機實現的方法。

本發明還涉及一種用于檢測成像傳感器的視線障礙的系統。

本發明還涉及一種用于提供經訓練的機器學習算法以對通過成像傳感器所記錄的單個圖像的序列的靜態語義場景元素進行分類的計算機實現的方法。

背景技術

為了確保基于相機的系統、諸如監控系統或駕駛員輔助系統的功能能力，正在開發自動化地評價該功能能力并且尤其是檢測在相機處的篡改的方法。

相機篡改例如是指如下情況：由于在相機前面的物體、例如帶子、相機上的污垢或噴涂過的相機而引起的遮擋/阻擋、透鏡/物鏡的以劃痕為形式的損壞、透鏡/物鏡的導致圖像模糊的散焦、相機被光源眩光和/或與所預期的相機安裝位置的平移和/或旋轉偏差，場景的區域不再能充分可見。

相機和場景篡改表明具體的應用情景，而通常也可以說是一種異常/反常檢測，該異常/反常檢測對與可預期情況的任何系統性偏差進行檢測。

已知的方法基本上可以分為兩類。

第一類、即基于圖像特征的方法，包括直接基于圖像特征和內容的方法。基于舊圖像/在正常狀態下的圖像，形成參考模型。參考模型例如可以描述色值、梯度的統計或者可以描述特征在突出位置處的出現。相機篡改作為與參考模型的顯著偏差來被檢測。

替代于手動規定對參考模型的計算和基于此的對偏差/相機篡改的識別，也可以使用機器學習方法，即第二類。為此，記錄或者人工生成具有被篡改的數據和未被篡改的數據的數據集。機器學習方法被訓練來區分被篡改的數據和未被篡改的數據。也可以逐像素地進行輸出，以便確定被篡改的圖像區域（例如由于遮擋）。

對被篡改的/反常的情況的檢測應該以高檢測精度和高魯棒性來實現。尤其是基于圖像特征的方法表明對照明條件和陰影以及在相機前面的物體和人員的變化的敏感性。

在車輛內部空間監控的領域，由于車輛正在行駛而形成變化的照明條件和陰影，這些照明條件和陰影在沒有篡改的情況下就導致圖像強度和特征的顯著變化。此外，人員和物體靠近相機并且可能占據圖像的大部分區域。進入車輛的人員導致圖像內容的顯著變化，但是該變化不應作為篡改被檢測。

對篡改的檢測的給出解釋和說明理由的困難/缺乏是現有的方法的弱點。機器學習方法直接判斷是否存在篡改或者哪些區域已經被篡改。但是，該判斷無法被容易理解并且例如無法追溯到特定圖像特征的不存在。

現有的機器學習方法需要有篡改和沒有篡改的訓練數據。如果數據集不具有代表性，則這代表了額外的花費和可能的弱點。如果數據集例如只包含視線障礙、例如具有特定物體的遮擋，則無法確保泛化到任何物體類型。

基于相機圖像，通常實現其它功能（監控、駕駛員輔助等等），這些其它功能需要進一步的計算時間。篡改識別用于監控該功能是否繼續得以確保。因此，應該避免僅用于篡改識別而不對結果進行重復使用的長計算時間。

因此，本發明所基于的任務在于：規定一種經改善的用于檢測成像傳感器的視線障礙的方法和系統。