[发明专利]具平行架构的适应性物体分类装置及其方法

权利要求书

1.一种具平行架构的适应性物体分类方法，该方法包含储存多笔场景参数及多笔分类器参数的步骤，其特征在于，该适应性物体分类方法包括下列步骤：

撷取至少一影像数据；

框选出该影像数据中的多个障碍物影像，且根据每一该障碍物影像范围选定适当的框选范围；

利用多个影像处理单元分别对应计算出该多个障碍物影像的多笔障碍物特征数据，并根据该多个障碍物特征数据选取对应的该场景参数及对应的该多个分类器参数并进行运算，以取得多笔分类数据，每一该分类数据由每一该障碍物特征数据乘上相对应的该分类器参数，并加总而取得；以及

比较该多个分类数据是否大于一浮动阀值，该浮动阀值对应一障碍物种类并根据该障碍物种类及该多个场景参数不同而对应的阀值，若是，则判定该分类数据对应的该障碍物种类，并输出所框选该障碍物影像的位置，若否，则判定分类数据不对应任何一个该障碍物种类。

2.根据权利要求1所述的具平行架构的适应性物体分类方法，其特征在于，于框选该多个障碍物影像的步骤之前，进一步包括以下步骤：从该影像数据中选定一有兴趣区域，再从该有兴趣区域中框选出该影像数据中的该多个障碍物影像。

3.根据权利要求2所述的具平行架构的适应性物体分类方法，其特征在于，于框选该多个障碍物影像步骤之后，进一步包括以下步骤：调整每一该障碍物影像的该框选范围大小。

4.根据权利要求1所述的具平行架构的适应性物体分类方法，其特征在于，每一该影像处理单元利用一方向梯度算法将每一该障碍物影像划分为多个小区块，并统计每一该小区块内的九个特征向量，获得该障碍物影像的该障碍物特征数据。

5.根据权利要求4所述的具平行架构的适应性物体分类方法，其特征在于，该方向梯度算法包括以下步骤：先计算每一该障碍物影像的边缘值，再计算每一该小区块中的每一像素的方向及边缘参数值并加总，以取得该九个特征向量。

6.根据权利要求1所述的具平行架构的适应性物体分类方法，其特征在于，该多个场景参数包含过曝场景、夜间场景、向阳场景或黄昏场景；该多个分类器参数包括不同障碍物种类的多笔方向梯度特征参数。

7.一种具平行架构的适应性物体分类装置，该装置储存有多笔场景参数及多笔分类器参数，其特征在于，该适应性物体分类装置包括：

至少一影像撷取器，用于撷取至少一影像数据，并框选出该影像数据中的多个障碍物影像，且根据每一该障碍物影像范围选定适当的框选范围；以及

一影像处理器，电性连接该影像撷取器，该影像处理器包含多个影像处理单元，多个影像处理单元用于分别对应计算出该多个障碍物影像的多笔障碍物特征数据，根据该多个障碍物特征数据选取对应的场景数据及对应的分类器参数并进行运算，以取得多笔分类数据，每一该分类数据由每一该障碍物特征数据乘上相对应的该分类器参数，并加总而取得，再将该多个分类数据与一浮动阀值比较，该浮动阀值对应一障碍物种类，根据该障碍物种类及该多个场景参数不同而对应的阀值，并输出相对应该浮动阀值的所框选该障碍物影像的位置。

8.根据权利要求7所述的具平行架构的适应性物体分类装置，其特征在于，该影像撷取器能够从该影像数据中选定一有兴趣区域，再从该有兴趣区域中框选出该影像数据中的该多个障碍物影像。

9.根据权利要求8所述的具平行架构的适应性物体分类装置，其特征在于，该影像处理器包含多个调整尺寸单元，多个调整尺寸单元分别电性连接该多个影像处理单元，多个调整尺寸单元根据该影像撷取器撷取该影像数据的远近，利用每一该调整尺寸单元对应调整每一该障碍物影像的该框选范围大小。

10.根据权利要求7所述的具平行架构的适应性物体分类装置，其特征在于，每一该影像处理单元利用一方向梯度算法将每一该障碍物影像划分为多个小区块，并统计每一该小区块内的九个特征向量，获得该障碍物影像的该障碍物特征数据。