[发明专利]对监视车辆的盲点进行监视的方法及使用该方法的盲点监视器

说明书

本发明提供一种使用盲点监视器对监视车辆的盲点进行监视的方法。所述方法包括以下步骤：盲点监视器(a)在以下条件下从后视频图像中获取特征映射：获取关于盲点中的参考车辆的视频图像，创建参考车辆的参考框，以及将参考框设定为建议框；(b)通过池化获取特征映射上的用于建议框的特征向量，将特征向量输入到完全连接层，获取分类和回归信息；以及(c)通过参照分类信息选择建议框，通过使用回归信息获取用于建议框的边界框，确认边界框是否与它们的相对应的建议框匹配，以及确定被监视车辆是否在建议框中以确定被监视车辆是否位于盲点中。

技术领域

本发明涉及对监视车辆的盲点进行监视的方法和使用该方法的盲点监视器。更具体地，涉及一种对监视车辆的盲点进行监视的方法及使用该方法的盲点监视器，所述方法包括以下步骤：(a)在盲点监视器完成以下处理的条件下：(i)获取与距离监视车辆单位距离并位于监视车辆的盲点中的一个或多个参考车辆相关的用于采样的后视频图像，(ii)创建与用于采样的后视频图像的每一者中的参考车辆相对应的参考框，以及(iii)将参考框设定为m个建议框，所述m个建议框用作监视车辆的盲点中的候选区域，其中，候选区域具有检测至少一个被监视车辆的概率，则如果从运行的监视车辆获取用于测试的后视频图像，则盲点监视器从用于测试的后视频图像中获取用于测试的至少一个特征映射；(b)盲点监视器(i)通过将池化运算(pooling operation)应用于用于测试的特征映射上的m个建议框来获取与m个建议框中的每一者相对应的用于测试的特征向量的每一者，(ii)将用于测试的特征向量输入到至少一个完全连接层，(iii)获取与m个建议框中的每一者相对应的每个类的用于测试的分类分数，以及(iv)获取与m个建议框中的每一者相对应的每个类的用于测试的回归信息；(c)盲点监视器执行以下处理：(i)通过参照用于测试的分类分数在m个建议框中选择j个建议框，(ii)通过使用与j个建议框中的每一者相对应的用于测试的回归信息获取与j个建议框中的每一者相对应的边界框的每一者，(iii)确认边界框中的每一者是否与j个建议框中的其对应的建议框的匹配度等于或大于第一阈值，以及(iv)确定被监视车辆是否位于j个建议框中的每一者中，由此确定被监视车辆是否位于监视车辆的盲点中。

背景技术

监视车辆的每一侧具有侧视镜，并且在其舱室的前部中央具有后视镜，用于驾驶员改变车道所需的侧面和后面的良好视野。

虽然侧视镜用于观察每一侧和其后面，但是其具有驾驶员不能看到被监视车辆或与其非常接近的任何其他物体的盲点(BS)。

这已经成为一个问题，因为如果驾驶员在没有看到被监视车辆的情况下改变车道，被监视车辆在盲点中，则可能发生事故。

为了防止这样的问题，驾驶员有时将凸面镜放置在侧视镜的角部上，这使得驾驶员能够看到盲点。

然而，即使将凸面镜加到侧视镜上时，驾驶员也必须用自己的眼睛看到盲点来改变车道，这给驾驶员带来了更大的压力，并且可能存在即使驾驶员改变自己的头部位置通过凸面镜仍然无法看到的盲点。

为了防止这种情况，最近提出了一种盲点监视系统，其旨在通过利用位于监视车辆后部的传感器向驾驶员提供关于位于盲点或接近盲点的被监视车辆的检测的信息，来防止在驾驶员没有注意到盲点中的被监视车辆而改变车道时发生事故。

特别地，使用视觉传感器的盲点监视系统通常采用能够基于视觉信息检测若干特征的算法。

然而，这些算法可能显示出受外部环境、物体形状以及系统结构限制的受限的检测率。由于准确的检测需要许多视觉处理，所以计算负担非常重。因此，由于有限的处理资源，在嵌入式系统中实时检测可能是困难的。

在卷积神经网络(CNN)中导致速度慢的主要问题之一是区域建议网络(RPN)。为了从最终特征映射中提取候选者，RPN确定滑动窗口是否在每个位置包括候选者。完全连接(FC)确定候选者是否是车辆，然而，许多候选者彼此重叠并且RPN消耗大量运行时间对这些几乎无助于提高检测率的冗余候选者执行计算。