[发明专利]基于车轮识别的车后盲区监测方法

说明书

本发明公开了一种基于车轮监测的盲区监测方法，属一种图像识别以及检测方法。其通过安装在车辆后部的摄像头采集图像，基于摄像头采集的图像序列（图像序列指多个连续时间点所采集的图像数据）算法判断自车后方左右两侧是否存在目标（目标仅限有车轮的车辆包括轿车货车摩托车等），同时判断后方目标是否在接近自车。通过将摄像头安装在车辆的后部，智能图像分析软件接收图像处理器传出的图像信号，经过算法的智能分析，可侦测处于自车盲区内的车辆，当有车辆存在于盲区时进行报警提示驾驶员，达到降低驾驶风险的目的。

技术领域

本发明涉及一种图像识别及检测方法，更具体的说，本发明主要涉及一种基于车轮识别的车后盲区监测方法。

背景技术

追尾是机动车事故中最为常见的事故类型之一，由于后车速度过快而来不及刹车从而与前车发生碰撞，在此过程中如果前者能及时加速或者侧向避让则可降低追尾事故的发生。值得注意的是，车后的两侧存在盲区使得前车驾驶员不能及时知晓有后者快速靠近，从而易因来不及反应而导致追尾事故发生，鉴于此，而减少前述追尾事故的发生，发明人认为有必要针对车后盲区的车辆监测的智能分析方法进行研究和改进。

发明内容

本发明的目的之一在于针对上述不足，提供一种基于车轮识别的车后盲区监测方法，以期望解决现有技术中车辆后侧安装的摄像头不能对车辆快速靠近进行判断与监测，不能改善追尾事故的发生频率等技术问题。

为解决上述的技术问题，本发明采用以下技术方案：

本发明提供的一种基于车轮识别的车后盲区监测方法，该方法包括如下步骤：步骤A、通过摄像头采集车后左右两侧的图像，通过Adaboost机器学习的目标检测算法在当前的图像中进行目标识别；所述目标为车轮；

步骤B、在当前的图像中出现目标对象时，则对当前图像的每一帧检测框进行相交面积匹配，当连续两帧的检测框的相角面积大于阈值后，则匹配当前两帧的检测框识别的目标对象是同一个目标对象；

步骤C、当多帧图像的检测结果都是同一个目标对象，并且在当前的图像中连续存在一段时间后，将累加的结果和阈值匹配，如大于阈值后就认为车后方存在目标对象。

更进一步的技术方案是：所述的方法还包括步骤D、当确定车后存在目标对象后，向车内驾驶室输出报警提示。

更进一步的技术方案是：所述步骤B中对当前图像的每一帧检测框进行相交面积匹配时，还同时判断摄像头所采集的图像中的目标对象，是否为同一个目标对象。

更进一步的技术方案是：所述步骤B中的检测框为Adaboost机器学习排布的矩形框；所述Adaboost机器学习为在摄像头采集图像的检测区域内，每隔相同距离排布一个检测条，由此生成检测框。

更进一步的技术方案是：所述检测框排布方式为在初始化时生成一个从原始图像到虚拟视角的矫正表，然后基于所述矫正表上的数据获取原始图像的点坐标对应在虚拟视角上的点坐标，并且反向求解出虚拟视角上的点坐标对应到原始图像上的点坐标。

更进一步的技术方案是：所述检测区域是车后左右两侧3M×3M的范围。

更进一步的技术方案是：所述Adaboost机器学习排布的所有检测框外接的矩形框为Adaboost机器学习的ROI布局。