專利名稱：目標(biāo)識(shí)別系統(tǒng)，以及用于汽車的障礙識(shí)別系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及目標(biāo)識(shí)別系統(tǒng)和用于車輛的障礙識(shí)別系統(tǒng)和方法，更具體的，涉及目標(biāo)識(shí)別系統(tǒng)，其使用圖像處理技術(shù)識(shí)別包含在圖像中的目標(biāo)，以及用于車輛的障礙識(shí)別系統(tǒng)和方法。
背景技術(shù)：
目標(biāo)識(shí)別算法應(yīng)用在各種領(lǐng)域，例如用戶認(rèn)證系統(tǒng)，車輛障礙識(shí)別系統(tǒng)，安全系統(tǒng)以及人機(jī)交互技術(shù)(HRI)。最近，目標(biāo)識(shí)別算法被嵌入到硬件中并被實(shí)施為嵌入式系統(tǒng)從而只執(zhí)行具體的功能。這里，所述嵌入式系統(tǒng)是一個(gè)大系統(tǒng)的一部分，是一個(gè)執(zhí)行具體任務(wù)的包含硬件和軟件具體應(yīng)用系統(tǒng)。然而，對(duì)處理器而言所述目標(biāo)識(shí)別算法需要過多的操作處理量。例如，所述目標(biāo)識(shí)別算法包括掃描輸入圖像的全部區(qū)域至具有確定尺寸的尋找窗的操作，所述掃描操作需要過多的操作處理量。由于過多的操作處理量，處理圖像需要的存儲(chǔ)器被增加。此外，過多的操作處理量和增加的存儲(chǔ)器是影響所述目標(biāo)識(shí)別算法在例如嵌入式系統(tǒng)的硬件中執(zhí)行的因素。

發(fā)明內(nèi)容
相應(yīng)的，本發(fā)明提供一種目標(biāo)識(shí)別系統(tǒng)，其在目標(biāo)識(shí)別的圖像處理操作中不需要過多的操作處理量。本發(fā)明還提供一種使用所述目標(biāo)識(shí)別系統(tǒng)的用于車輛的障礙識(shí)別系統(tǒng)。本發(fā)明還提供一種用于車輛的障礙識(shí)別方法，其在目標(biāo)識(shí)別的圖像處理操作中不需要過多的操作處理量。在一方面，一種目標(biāo)識(shí)別系統(tǒng)，其識(shí)別源圖像中的感興趣區(qū)域(Region Of Interest, R0I)中的目標(biāo)，所述目標(biāo)識(shí)別系統(tǒng)包括圖像變換單元，其接收所述源圖像，并將所述目標(biāo)變換成表示為邊緣線的邊緣圖像；以及ROI檢測(cè)單元，其將所述邊緣圖像分割成多個(gè)區(qū)域，對(duì)各個(gè)區(qū)域，將包含在每個(gè)區(qū)域中的邊緣線的邊緣成分值的總和與預(yù)定的閾值比較，將所述邊緣成分值的總和大于所述閾值的區(qū)域作為ROI從所述多個(gè)區(qū)域中檢測(cè)出來。在另一方面，用于車輛的障礙識(shí)別系統(tǒng)，包括圖像攝取單元，其包含在車輛內(nèi)，并產(chǎn)生源圖像，所述源圖像通過攝取車輛行駛時(shí)前方或后方的景象獲得；邊緣圖像產(chǎn)生單元， 其接收所述源圖像，并產(chǎn)生邊緣圖像，所述邊緣圖像將包含在源圖像內(nèi)的目標(biāo)表示為邊緣線；感興趣區(qū)域(ROI)檢測(cè)單元，其將所述邊緣圖像分割成多個(gè)區(qū)域；對(duì)各個(gè)區(qū)域，計(jì)算所述邊緣線的邊緣成分值的總和；將邊緣成分值的總和與預(yù)定的閾值比較；對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出ROI ；以及圖像分析單元，其通過具有確定尺寸的模塊單元掃描所述檢測(cè)到的ROI以分析在所述檢測(cè)到的ROI中是否存在障礙。另一方面，用于車輛的障礙識(shí)別系統(tǒng)，包括圖像攝取單元，其包含在車輛內(nèi)，并產(chǎn)生源圖像，所述源圖像通過攝取車輛行駛時(shí)前方或后方的景象獲得；邊緣圖像產(chǎn)生單元，其接收所述源圖像，并產(chǎn)生邊緣圖像，所述邊緣圖像將包含在源圖像內(nèi)的目標(biāo)表示為邊緣線； 感興趣區(qū)域(ROI)檢測(cè)單元，其根據(jù)所述車輛的速度值將所述邊緣圖像分割成多個(gè)預(yù)定數(shù)量的區(qū)域；對(duì)各個(gè)區(qū)域，計(jì)算所述邊緣線的邊緣成分值的總和；對(duì)每個(gè)區(qū)域，將邊緣成分值的總和與預(yù)定的閾值比較；對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出ROI ；以及圖像分析單元，其通過具有確定尺寸的模塊單元掃描所述檢測(cè)到的ROI以分析在所述檢測(cè)到的 ROI中是否存在障礙。另一方面，用于車輛的障礙識(shí)別方法，其使用具有確定尺寸的模塊單元掃描從源圖像中檢測(cè)出的感興趣的區(qū)域(ROI)以識(shí)別障礙，所述障礙識(shí)別方法包括產(chǎn)生邊緣圖像， 邊緣圖像將包含在源圖像中的目標(biāo)表示為邊緣線；根據(jù)車輛的速度值將所述邊緣圖像分割成預(yù)定數(shù)量的區(qū)域；以及計(jì)算存在于每個(gè)分割區(qū)域中的邊緣線的邊緣成分值的總和，將邊緣成分值的總和與預(yù)定的閾值比較；對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出R0I。其他的特征和情況從下面詳細(xì)的說明，附圖和權(quán)利要求中將變得清楚。


圖1是顯示了根據(jù)本發(fā)明示例性實(shí)施方式的用于車輛的障礙識(shí)別系統(tǒng)的框圖。圖2顯示了源圖像的例子，所述源圖像由圖1中的圖像攝取單元攝取。圖3顯示了邊緣圖像的例子，所述邊緣圖像由圖1中的邊緣圖像產(chǎn)生單元產(chǎn)生。圖4是顯示了圖1中的ROI檢測(cè)單元的內(nèi)部結(jié)構(gòu)的示例性實(shí)施方式的框圖。圖5和圖6顯示了邊緣圖像的例子，所述邊緣圖像由圖4中的圖像分割器分割。圖7是顯示了圖1中的ROI檢測(cè)單元的內(nèi)部構(gòu)造的另一示例性實(shí)施方式的框圖。圖8是顯示了根據(jù)本發(fā)明示例性實(shí)施方式的障礙識(shí)別方法的流程圖。
具體實(shí)施例方式下面，示例性實(shí)施方式將結(jié)合附圖進(jìn)行詳細(xì)的說明。在附圖和詳細(xì)的說明中，除非另有說明，否則相同的附圖標(biāo)記表示相同的元件，特征和結(jié)構(gòu)。這些元件的相對(duì)尺寸和描寫可能由于清楚、說明和方便的目的而被夸大。下面的詳細(xì)說明提供來幫助讀者對(duì)這里描述的方法，裝置和/或系統(tǒng)有一個(gè)清楚的理解。相應(yīng)的，可以使本領(lǐng)域技術(shù)人員想起所述方法，裝置和/或系統(tǒng)的各種變化，改進(jìn)和等同。另外，為了清楚和簡(jiǎn)明的目的公知功能和結(jié)構(gòu)的描述可能被省略。本發(fā)明分析由成像裝置，例如照相機(jī)提供的源圖像，并基于所述分析結(jié)果大大地改進(jìn)了包括在源圖像內(nèi)的障礙的檢測(cè)性能。對(duì)此，本發(fā)明只對(duì)源圖像的整個(gè)區(qū)域的一部分執(zhí)行目標(biāo)檢測(cè)操作，不像現(xiàn)有方法中的那樣，從源圖像的整個(gè)區(qū)域中檢測(cè)例如障礙的目標(biāo)。在詳細(xì)說明本發(fā)明的示例性實(shí)施方式之前，為了理解的目的，下面將說明一個(gè)例子，其中根據(jù)本發(fā)明示例性實(shí)施方式的目標(biāo)識(shí)別系統(tǒng)被應(yīng)用在車輛上，并被用作障礙識(shí)別裝置以識(shí)別例如相鄰車輛或行人的障礙?？紤]到這些應(yīng)用的例子，在附圖中，術(shù)語“目標(biāo)識(shí)別系統(tǒng)”可以用術(shù)語“用于車輛的障礙識(shí)別系統(tǒng)”代替。然而，根據(jù)本發(fā)明示例性實(shí)施方式的目標(biāo)識(shí)別系統(tǒng)不限于用于車輛的障礙識(shí)別裝置。相反，在下述說明中應(yīng)當(dāng)理解，根據(jù)本發(fā)明的示例性實(shí)施方式的目標(biāo)識(shí)別系統(tǒng)可以應(yīng)用到目標(biāo)識(shí)別的各種圖像處理技術(shù)中，例如用于用戶認(rèn)證系統(tǒng)，安全系統(tǒng)和人機(jī)交互技術(shù) (HRI)。在下列說明中，當(dāng)確定相關(guān)公知的功能和結(jié)構(gòu)的說明對(duì)本發(fā)明的重點(diǎn)而言不必要時(shí)，這種描述將被省略。類似的附圖標(biāo)記指代類似的元件。圖4中的邊緣值收集器和圖7 中的比較器用相同的附圖標(biāo)記表示。圖1是顯示了根據(jù)本發(fā)明示例性實(shí)施方式的用于車輛的障礙識(shí)別系統(tǒng)100的框圖。圖2顯示了源圖像的例子，所述源圖像由圖1中的圖像攝取單元攝取。圖3顯示了邊緣圖像的例子，所述邊緣圖像由圖1中的邊緣圖像產(chǎn)生單元產(chǎn)生。在圖2中，作為指示源圖像的水平長度的變量‘i’是在水平方向上象素的數(shù)量，作為指示源圖像的垂直長度的變量 ‘j’是在垂直方向上象素的數(shù)量。在圖3中，作為指示邊緣圖像的水平長度的變量‘i’是在水平方向上象素的數(shù)量，作為指示邊緣圖像的垂直長度的變量‘j’是在垂直方向上象素的數(shù)量。參見圖1，根據(jù)本發(fā)明示例性實(shí)施方式的用于車輛的障礙識(shí)別系統(tǒng)100檢測(cè)例如車輛或行人的障礙(或目標(biāo))?？傊?，障礙識(shí)別系統(tǒng)100設(shè)定源圖像的整個(gè)區(qū)域的部分區(qū)域作為感興趣區(qū)域(Region Of Interest，R0I)，并只對(duì)設(shè)定的感興趣區(qū)域執(zhí)行掃描操作。所述障礙識(shí)別系統(tǒng)100將分析的目標(biāo)區(qū)域限制在源圖像的整個(gè)區(qū)域的部分區(qū)域上，從而圖像處理目標(biāo)從源圖像的整個(gè)區(qū)域減少到部分區(qū)域。因此，處理器的運(yùn)行處理量減少，進(jìn)而，圖像處理操作需要的存儲(chǔ)器容量也被減少。對(duì)此，障礙識(shí)別系統(tǒng)100包括圖像攝取單元110，邊緣圖像產(chǎn)生單元120，和ROI檢測(cè)單元130，以及圖像分析單元140。所述圖像攝取單元110是例如紅外照相機(jī)的成像裝置，并被布置在車輛的具體位置上。圖像攝取單元110產(chǎn)生源圖像S-IM，其通過攝取行駛中的車輛的前方和/或后方的景像獲得。邊緣圖像產(chǎn)生單元120從所述圖像攝取單元110接收所述源圖像S-IM。所述邊緣圖像產(chǎn)生單元120產(chǎn)生邊緣圖像EG-IM，其將源圖像S-IM內(nèi)的障礙(例如車輛或行人) 表示為邊緣線。為此，所述邊緣圖像產(chǎn)生單元120使用邊緣檢測(cè)技術(shù)產(chǎn)生邊緣圖像EG-IM。 所述邊緣檢測(cè)技術(shù)是一種算法，其使用邊緣算子檢測(cè)邊緣成分值，所述邊緣成分值構(gòu)成了包含在源圖像S-IM中的障礙的邊緣線。這里，構(gòu)成所述邊緣線的任意象素和與所述任意象素相鄰的象素被指定，所述邊緣成分值指的是任意象素的灰度水平值(或灰度值)和相鄰象素的灰度水平值之間的不連續(xù)的值。所述不連續(xù)的值可以定義為任意象素的灰度水平值和相鄰象素的灰度水平值之間的差值或任意象素的灰度水平值和相鄰象素的灰度水平值之間的變化率的數(shù)值。所述不連續(xù)的值可以用邊緣算子來檢測(cè)，作為邊緣算子，例如，他們可以是同類算子，差分算子，微分算子，邊界梯度算子，拉普拉斯算子，和高斯的拉普拉斯(LOG)算子。在從源圖像S-IM檢測(cè)邊緣線(或邊緣成分值)的操作中，源圖像S-IM的噪音可能被檢測(cè)為邊緣線(或邊緣成分值)。因此，邊緣圖像產(chǎn)生單元120將圖2中的源圖像S-IM 改變成中間圖像，其由目標(biāo)的邊緣線構(gòu)成，隨后，其將所述被改變的中間圖像二進(jìn)制化，以最終產(chǎn)生圖3中所示的二進(jìn)制化的邊緣圖像EG-IM，其中噪音已經(jīng)被消除。例如，所述邊緣圖像產(chǎn)生單元120將構(gòu)成所述障礙(或目標(biāo))的邊緣線的象素給出0至255的灰度水平值，將除構(gòu)成所述障礙(或目標(biāo))的邊緣線的象素之外的象素給出0的灰度水平值(或0的二進(jìn)制字節(jié))。結(jié)果，如圖3所示，所述邊緣圖像產(chǎn)生單元120最終產(chǎn)生具有包含黑灰度水平和白灰度水平的灰度值的二進(jìn)制邊緣圖像EG-IM。所述ROI檢測(cè)單元130將從所述邊緣圖像產(chǎn)生單元120輸入的邊緣圖像EG-IM的全部區(qū)域分割成多個(gè)區(qū)域。所述ROI檢測(cè)單元從這些分割后的區(qū)域中選擇滿足具體條件 (下面將說明)區(qū)域R0I，并將選擇的區(qū)域作為感興趣的區(qū)域檢測(cè)。對(duì)應(yīng)于被檢測(cè)的ROI的 ROI的圖像ROI-IM被提供到圖像分析單元140。所述ROI檢測(cè)單元130將在下面進(jìn)行詳述。圖像分析單元140接收來自所述ROI檢測(cè)單元130的ROI圖像R0I-IM，并按計(jì)劃掃描所述ROI圖像ROI-IM的整個(gè)區(qū)域，所述計(jì)劃從左到右移動(dòng)具有一個(gè)象素的確定尺寸的尋找窗。當(dāng)尋找窗的運(yùn)動(dòng)從所述ROI圖像ROI-IM的左上部抵達(dá)所述ROI圖像ROI-IM的右下部使，一個(gè)掃描循環(huán)完成。當(dāng)一個(gè)循環(huán)的掃描操作完成時(shí)，所述圖像分析單元140將ROI圖像的尺寸按比例縮減并重復(fù)所述掃描操作。在所述重復(fù)掃描操作中圖像分析操作被執(zhí)行。由于這樣的掃描操作是被重復(fù)的操作，同時(shí)控制圖像的尺寸，其需要非常多的數(shù)據(jù)處理量和較大的存儲(chǔ)容量。然而，在本發(fā)明的示例性實(shí)施方式中，所述掃描操作只對(duì)所述邊緣圖像EG-IM的整個(gè)區(qū)域中滿足具體條件的部分區(qū)域執(zhí)行，而不是掃描所述邊緣圖像EG-IM的整個(gè)區(qū)域。圖4是顯示了圖1中的ROI檢測(cè)單元的內(nèi)部結(jié)構(gòu)的示例性實(shí)施方式的框圖。圖5 和圖6顯示了邊緣圖像的例子，所述邊緣圖像由圖4中的圖像分割器分割。參見圖4，所述ROI檢測(cè)單元130將所述邊緣圖像EG-IM的全部區(qū)域的一部分作為 ROI進(jìn)行檢測(cè)，并包括區(qū)域分割器132，邊緣值收集器134和比較器136。區(qū)域分割器132將所述邊緣圖像EG-IM的全部區(qū)域分割成多個(gè)區(qū)域。所述圖像分割器132將所述邊緣圖像EG-IM的全部區(qū)域在水平方向上分割成η (η為等于或大于2的自然數(shù))等份從而分割成多個(gè)區(qū)域。當(dāng)源圖像中存在障礙時(shí)，所述源圖像通過攝取車輛前方或后方的景象獲得，其在所述邊緣圖像EG-IM的全部區(qū)域中的水平方向上被處理。在本發(fā)明的示例性實(shí)施方式中， 因此，所述邊緣圖像的全部區(qū)域被在水平方向上分割成η(η為等于或大于2的自然數(shù))等份，以增加邊緣圖像中目標(biāo)的檢測(cè)成功率和分割效率。如圖3所示，當(dāng)所述邊緣圖像EG-IM的全部尺寸是“i*j”時(shí)，分割后的區(qū)域的尺寸是“i*(j/n)”。這里，作為邊緣圖像的水平長度的“i”是水平方向上象素的數(shù)量，作為邊緣圖像的垂直長度的“j”是垂直方向上象素的數(shù)量?！唉恰笔亲兞?，其確定在水平方向上分割的區(qū)域的數(shù)量，為2至5的自然數(shù)。變量“η”可以由系統(tǒng)設(shè)計(jì)者改變。圖5和圖6顯示了由圖像分割器132分割的邊緣圖像的例子。圖5說明了被分成 2等份的邊緣圖像的全部區(qū)域，其中變量“η”設(shè)定為2。圖6說明了被分成3等份的邊緣圖像的全部區(qū)域，其中變量“η”設(shè)定為3。再參見圖4，所述邊緣值收集器134計(jì)算邊緣線的邊緣成分值的總和，邊緣線包含在由分割器132分割的每個(gè)區(qū)域中。邊緣成分值的總和表示為下列等式(1)。CETvalue =Σ Edge(i, j).......(1)隨后，邊緣值收集器134對(duì)每個(gè)區(qū)域?qū)λ鲇?jì)算出的CET值微分并搜集所述計(jì)算出的CET值，并將所述搜集到的CET值提供到比較器136。比較器136將每個(gè)區(qū)域的所述從邊緣值收集器134送來的CET值和預(yù)定閾值(TH) 比較。這里，閾值(TH)是一個(gè)預(yù)測(cè)值，其基于系統(tǒng)設(shè)計(jì)者收集到的靜態(tài)信息來計(jì)算。所述閾值(TH)可以根據(jù)被分割區(qū)域的數(shù)量而不同。例如，當(dāng)如圖5所述邊緣圖像被分割成2等份時(shí)閾值可以設(shè)定為大于當(dāng)如圖6所述邊緣圖像被分割成3等份時(shí)閾值。相反，當(dāng)如圖5 所述邊緣圖像被分割成2等份時(shí)閾值可以設(shè)定為小于當(dāng)如圖6所述邊緣圖像被分割成3等份時(shí)閾值。基于每個(gè)區(qū)域的比較結(jié)果，比較器136將CET值大于閾值(TH)的區(qū)域作為ROI檢測(cè)。例如，如圖5所示，當(dāng)邊緣圖像被作為2等份分割成第一區(qū)域Rl和第二區(qū)域R2時(shí)，第一區(qū)域Rl的CET值小于所述閾值(TH)，因?yàn)樵诘谝粎^(qū)域Rl中沒有障礙，因此，第一區(qū)域Rl 從ROI中排除。另一方面，由于第2區(qū)域R2中存在例如車輛的障礙，第二區(qū)域R2的CET值大于所述閾值(TH)，從而第二區(qū)域R2檢測(cè)為R0I。與此類似，第四和第五區(qū)域R4和R5被檢測(cè)為ROI，而第三區(qū)域R3不是。隨后，由比較器136檢測(cè)的所述ROI被送到圖像分析單元140。所述圖像分析單元 140只對(duì)由比較器136輸入的ROI進(jìn)行掃描操作，從而提高了整個(gè)圖像處理速度。圖7是一方框圖，其顯示了圖1中的ROI檢測(cè)單元的內(nèi)部構(gòu)造的另一示例性實(shí)施方式。參見圖7，根據(jù)本發(fā)明另一示例性實(shí)施方式的ROI檢測(cè)單元130具有不同于圖6中的ROI檢測(cè)單元的功能在于其根據(jù)車輛的速度值將所述邊緣圖像的全部區(qū)域分割成預(yù)定的數(shù)量。具體地，根據(jù)本發(fā)明另一實(shí)施方式的ROI檢測(cè)單元130包括區(qū)域分割器132A，邊緣值收集器134，以及比較器136。所述區(qū)域分割器132A從車輛系統(tǒng)200接收速度值，并根據(jù)接收到的速度值適應(yīng)性地控制邊緣圖像的全部區(qū)域中被分割區(qū)域的數(shù)量。隨著車速的增加，邊緣圖像的全部區(qū)域中的障礙率增加。也就是說，隨著車速的增力口，在整個(gè)區(qū)域中不感興趣的區(qū)域的率減少。當(dāng)不考慮車速而將所述邊緣圖像的全部區(qū)域分割成相等部分時(shí)，要確定為ROI的區(qū)域被確定為不感興趣的區(qū)域，如此，在ROI的檢測(cè)操作中可能發(fā)生檢測(cè)錯(cuò)誤。例如，在系統(tǒng)設(shè)計(jì)者已經(jīng)確定設(shè)計(jì)的情況下，如圖5中的邊緣圖像被分成2等份， 在用戶的車輛以80km/h行駛時(shí)分割后的邊緣圖像的第二區(qū)域R2中存在障礙，從而根據(jù)比較器136的比較操作第二區(qū)域R2可以被檢測(cè)為ROI。即使在用戶的車輛加速到大于100km/h時(shí)，由于車速的增加，前方行駛的障礙車輛的尺寸在邊緣圖像的全部區(qū)域中出現(xiàn)的比率增加。因此，表示障礙車輛的邊緣線的部分可能甚至被顯示在第一區(qū)域Rl中。在這種情況下，當(dāng)?shù)谝粎^(qū)域Rl的CET值小于作為圖4 中邊緣值收集器134的計(jì)算結(jié)果的預(yù)定閾值(FH)時(shí)，將第一區(qū)域Rl從ROI中排除的檢測(cè)誤差可能發(fā)生。相應(yīng)地，當(dāng)車輛速度增加時(shí)，需要精確地分析邊緣圖像的全部區(qū)域。根據(jù)本發(fā)明另一示例性實(shí)施方式的ROI檢測(cè)單元130的區(qū)域分割器132A從車輛系統(tǒng)200實(shí)時(shí)接收車輛的速度值(V)，當(dāng)所述接收到的車輛速度值(V)增加時(shí)，所述區(qū)域分割器13 增加所述邊緣圖像的全部區(qū)域中的被分割的區(qū)域的數(shù)量。也就是，如上所述，當(dāng)邊緣圖像的全部尺寸是“i*j”而通過在水平方向上分割所述邊緣圖像產(chǎn)生的每個(gè)區(qū)域的尺寸是“i*(j/n) ”時(shí)，所述區(qū)域分割器132A與所述車輛的速度值(V)成比例地增加所述變量“n”，并分割所述邊緣圖像的全部區(qū)域。圖6的說明將應(yīng)用到在根據(jù)車輛的速度值(V)分割所述邊緣圖像后執(zhí)行的操作中。圖8是顯示了根據(jù)本發(fā)明示例性實(shí)施方式的障礙識(shí)別方法的流程圖。參見圖8，在操作S410中，所述障礙識(shí)別方法產(chǎn)生源圖像，源圖像通過位于車輛中的成像裝置攝取車輛前部或后部的圖像獲得。在操作S420中，所述障礙識(shí)別方法使用邊緣檢測(cè)技術(shù)產(chǎn)生邊緣圖像，將源圖像中的障礙(或目標(biāo))表示為邊緣線。在操作S430中，所述障礙識(shí)別方法執(zhí)行將所述邊緣圖像的全部區(qū)域分割的操作。 在所述分割操作中，所述邊緣圖像可以被分割成η等份，其中“η”可以被設(shè)定為2至5的自然數(shù)。在S430操作后，為了便于理解，將‘η’假定為2，即，邊緣圖像的全部區(qū)域被分成2等份，進(jìn)一步的，為了方便，被分割的區(qū)域分別用上部區(qū)域(圖5中的Rl)和下部區(qū)域(圖5 中的R2)表示。在操作S440中，所述障礙識(shí)別方法計(jì)算包括在上部區(qū)域Rl中的邊緣線的邊緣成分值的總和(以下指的是第一 CET值)，包括在下部區(qū)域R2中的邊緣線的邊緣成分值的總和(以下指的是第二 CET值)。在操作S450中，所述障礙識(shí)別方法將所述第一和第二 CET值與預(yù)定的閾值(TH) 進(jìn)行比較。當(dāng)所述第一 CET值小于所述閾值(TH)時(shí)，在操作S460中與第一 CET值對(duì)應(yīng)的上部區(qū)域被排除在ROI之外，并且在操作S450中，所述障礙識(shí)別方法比較所述第二 CET值和所述閾值(TH)。在操作S460中當(dāng)所述第二 CET值大于所述閾值時(shí)，在操作S470中與所述第二 CET值對(duì)應(yīng)的下部區(qū)域的圖像被檢測(cè)為ROI。隨后，圖像分析操作，例如掃描操作只對(duì)已經(jīng)被檢測(cè)為ROI的下部區(qū)域執(zhí)行。根據(jù)本發(fā)明的示例性實(shí)施方式，識(shí)別目標(biāo)的圖像處理操作只對(duì)源圖像的部分區(qū)域執(zhí)行，而不像現(xiàn)有的方法中圖像處理操作對(duì)源圖像的全部區(qū)域執(zhí)行。相應(yīng)的，處理器的操作處理量減少，用于圖像處理操作所需要的存儲(chǔ)器容量降低。當(dāng)根據(jù)本發(fā)明的系統(tǒng)和方法實(shí)施到例如嵌入式系統(tǒng)的硬件中時(shí)，可以確保優(yōu)良的處理性能而不降低處理速度。上面已經(jīng)描述了多個(gè)示例性的實(shí)施方式。然而，應(yīng)當(dāng)理解，可以進(jìn)行各種改進(jìn)。例如，如果所述的技術(shù)被以不同的順序?qū)嵤┖?或，如果所述系統(tǒng)中的元件，結(jié)構(gòu)，裝置，或電路被以不同的方式組合和/或由其他元件或他們的等同物替代，則可以獲得合適的結(jié)果。 相應(yīng)的，其他的實(shí)施方案也在下列權(quán)利要求的范圍內(nèi)。
9
權(quán)利要求
1.一種目標(biāo)識(shí)別系統(tǒng)，其識(shí)別源圖像中的ROI中的目標(biāo)，其特征在于，所述目標(biāo)識(shí)別系統(tǒng)包括圖像變換單元，其接收所述源圖像，并將所述目標(biāo)變換成表示為邊緣線的邊緣圖像；以及ROI檢測(cè)單元，其將所述邊緣圖像分割成多個(gè)區(qū)域，對(duì)各個(gè)區(qū)域，將包含在每個(gè)區(qū)域中的邊緣線的邊緣成分值的總和與預(yù)定的閾值比較，將所述邊緣成分值的總和大于所述閾值的區(qū)域作為ROI從所述多個(gè)區(qū)域中檢測(cè)出來。
2.如權(quán)利要求1所述的目標(biāo)識(shí)別系統(tǒng)，其特征在于，所述ROI檢測(cè)單元將所述邊緣圖像的全部區(qū)域分割成η等份，其中“η”是等于或大于2的自然數(shù)，進(jìn)而分割成多個(gè)區(qū)域。
3.如權(quán)利要求2所述的目標(biāo)識(shí)別系統(tǒng)，其特征在于，所述“η”等于或小于6。
4.一種用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，包括圖像攝取單元，其包含在車輛內(nèi)，并產(chǎn)生源圖像，所述源圖像通過攝取車輛行駛時(shí)前方或后方的景象獲得；邊緣圖像產(chǎn)生單元，其接收所述源圖像，并產(chǎn)生邊緣圖像，所述邊緣圖像將包含在源圖像內(nèi)的目標(biāo)表示為邊緣線；ROI檢測(cè)單元，其將所述邊緣圖像分割成多個(gè)區(qū)域；對(duì)各個(gè)區(qū)域，計(jì)算所述邊緣線的邊緣成分值的總和；將邊緣成分值的總和與預(yù)定的閾值比較；以及，對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出ROI ；以及圖像分析單元，其通過具有確定尺寸的模塊單元掃描所述檢測(cè)到的ROI以分析在所述檢測(cè)到的ROI中是否存在障礙。
5.如權(quán)利要求4所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述ROI檢測(cè)單元包括圖像分割器，其將所述邊緣圖像在水平方向上分成所述多個(gè)部分； 邊緣值收集器，其計(jì)算包含在每個(gè)所述區(qū)域中的邊緣線的邊緣成分值的總和，并對(duì)每個(gè)區(qū)域收集所述計(jì)算到的邊緣成分值的總和；比較器，其接收所述預(yù)定的閾值，對(duì)每個(gè)區(qū)域?qū)⑺鲞吘壘€的邊緣成分值的總和與所述閾值相比較，并將所述邊緣成分值的總和大于所述閾值的區(qū)域作為ROI從所述多個(gè)區(qū)域中檢測(cè)出來。
6.如權(quán)利要求5所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，當(dāng)所述邊緣圖像的全部尺寸是“i*j”時(shí)，其中“i”是水平方向上象素的數(shù)量，“j”是垂直方向上象素的數(shù)量，每個(gè)區(qū)域的尺寸是“ i* (j/n) ”，其中“η”是從2到6的自然數(shù)。
7.如權(quán)利要求4所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述邊緣圖像產(chǎn)生單元將所述源圖像變換成中間圖像，所述中間圖像由目標(biāo)的邊緣線構(gòu)成，并將所述變換的中間圖像二進(jìn)制化以產(chǎn)生具有灰度的邊緣圖像。
8.如權(quán)利要求4所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述邊緣成分值是構(gòu)成所述邊緣線的象素的灰度值。
9.一種用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，包括圖像攝取單元，其包含在車輛內(nèi)，并產(chǎn)生源圖像，所述源圖像通過攝取車輛行駛時(shí)前方或后方的景象獲得；邊緣圖像產(chǎn)生單元，其接收所述源圖像，并產(chǎn)生邊緣圖像，所述邊緣圖像將包含在源圖像內(nèi)的目標(biāo)表示為邊緣線；ROI檢測(cè)單元，其根據(jù)所述車輛的速度值將所述邊緣圖像分割成多個(gè)預(yù)定數(shù)量的區(qū)域； 對(duì)各個(gè)區(qū)域，計(jì)算所述邊緣線的邊緣成分值的總和；對(duì)每個(gè)區(qū)域，將邊緣成分值的總和與預(yù)定的閾值比較；對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出ROI ；以及圖像分析單元，其通過具有確定尺寸的模塊單元掃描所述檢測(cè)到的ROI以分析在所述檢測(cè)到的ROI中是否存在障礙。
10.如權(quán)利要求9所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述ROI檢測(cè)單元包括圖像分割器，其從車輛系統(tǒng)接收所述車輛的速度值，并根據(jù)接收到的所述車輛的速度值將所述邊緣圖像分割成預(yù)定數(shù)量的區(qū)域；邊緣值收集器，其計(jì)算包含在每個(gè)所述區(qū)域中的邊緣線的邊緣成分值的總和，并對(duì)每個(gè)區(qū)域收集所述計(jì)算到的邊緣成分值的總和；比較器，其對(duì)每個(gè)區(qū)域?qū)⑺鲞吘壘€的邊緣成分值的總和與所述閾值相比較，并將所述邊緣成分值的總和大于所述閾值的區(qū)域作為ROI從所述多個(gè)區(qū)域中檢測(cè)出來。
11.如權(quán)利要求10所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述圖像分割器以控制器局域網(wǎng)通訊的方式從所述車輛系統(tǒng)中接收所述車輛的速度值。
12.如權(quán)利要求10所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述圖像分割器根據(jù)所述車輛的速度值將所述邊緣圖像在水平方向上以預(yù)定的尺寸分割成η等份，其中“η” 是等于或大于2的自然數(shù)。
13.如權(quán)利要求10所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，當(dāng)所述邊緣圖像的全部尺寸是“i*j”時(shí)，其中“i”是水平方向上象素的數(shù)量，“j”是垂直方向上象素的數(shù)量，每個(gè)區(qū)域的尺寸是“i*(j/n) ”，其中“η”是從2到6的自然數(shù)。
14.如權(quán)利要求13所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述“η”隨著車輛的速度的增加而增加。
15.如權(quán)利要求9所述的用于車輛的障礙識(shí)別系統(tǒng)，其特征在于，所述邊緣圖像產(chǎn)生單元，所述ROI檢測(cè)單元和所述圖像分析單元以芯片的形式被模塊化。
16.一種用于車輛的障礙識(shí)別方法，其特征在于，使用具有確定尺寸的模塊單元掃描從源圖像中檢測(cè)出的ROI以識(shí)別障礙，所述障礙識(shí)別方法包括產(chǎn)生邊緣圖像，邊緣圖像將包含在源圖像中的目標(biāo)表示為邊緣線；根據(jù)車輛的速度值將所述邊緣圖像分割成預(yù)定數(shù)量的區(qū)域；以及計(jì)算存在于每個(gè)分割后的區(qū)域中的邊緣線的邊緣成分值的總和，將邊緣成分值的總和與預(yù)定的閾值比較；對(duì)每個(gè)區(qū)域，基于比較結(jié)果從所述區(qū)域中檢測(cè)出R0I。
17.如權(quán)利要求16所述的用于車輛的障礙識(shí)別方法，其特征在于，所述邊緣圖像被在水平方向上分割。
18.如權(quán)利要求16所述的用于車輛的障礙識(shí)別方法，其特征在于，隨著車輛速度值的增加，所述預(yù)定數(shù)量增加。
全文摘要
本發(fā)明提供一種目標(biāo)識(shí)別系統(tǒng)，所述目標(biāo)識(shí)別系統(tǒng)在源圖像的ROI中識(shí)別目標(biāo)。所述目標(biāo)識(shí)別系統(tǒng)包括圖像變換單元和ROI檢測(cè)單元。所述圖像變化單元接收所述源圖像，并將所述目標(biāo)改變成表示為邊緣線的邊緣圖像。所述ROI檢測(cè)單元將所述邊緣圖像分割成多個(gè)區(qū)域，對(duì)各個(gè)區(qū)域，將包含在每個(gè)區(qū)域中的邊緣線的邊緣成分值的總和與預(yù)定的閾值比較，將所述邊緣成分值的總和大于所述閾值的區(qū)域作為ROI從所述多個(gè)區(qū)域中檢測(cè)出來。
文檔編號(hào)G06K9/32GK102479327SQ201110045980
公開日2012年5月30日 申請(qǐng)日期2011年2月25日 優(yōu)先權(quán)日2010年11月23日
發(fā)明者李泓錫 申請(qǐng)人:現(xiàn)代摩比斯株式會(huì)社