具平行架构的阶层式标的物侦测系统及其方法技术方案

本发明专利技术公开了一种具平行架构的阶层式标的物侦测系统及其方法，其中，该系统包含至少一影像撷取设备，用于撷取出至少一影像数据，并搜寻影像数据中的多个障碍物位置影像，影像处理装置电性连接影像撷取设备，以接收影像撷取设备传输的障碍物位置影像，再利用平行化架构分类方法从障碍物位置影像中取得至少一标的物影像及其的多个框选范围，同步分离这些框选范围并撷取出每一框选范围的特征值，利用卷积神经网络同时辨识框选范围的特征值，以从标的物影像中找出正确的框选范围输出，以达到实时侦测车外标的物的目的，并使得侦测准确率较高，同时精确取出标的物的框架范围，以避免侦测错误。

【技术实现步骤摘要】
具平行架构的阶层式标的物侦测系统及其方法
本专利技术涉及一种车外标的物的侦测系统及其方法，尤其指一种具平行架构的阶层式标的物侦测系统及其方法。
技术介绍
由于行车安全技术的提升，越来越多辨别车外障碍物的侦测技术产生，例如行人侦测、障碍物侦测等，以及这些侦测技术可以应用在各种侦测不同环境的侦测装置中，并将其结合至车辆的防撞系统中，使得用户可以在短时间内作出实时的防撞预警。然而，目前的行人侦测或障碍物侦测技术，例如有使用平行架构的适应性物体分类方法，可以应用在各种复杂道路场景中，有效使用方向梯度算法(HistogramofOrientedGradient，HOG)及支持向量机(SupportVectorMachine，SVM)分类法对车外障碍物的特征作分类，以实时在影像数据中选出障碍物位置影像及其框选范围。但此一适应性物体分类方法在复杂场景中，由于可以作出实时的障碍物分类，但有时在障碍物的框选上仍然容易形成一些误判，例如对障碍物的框选范围有误，使得防撞系统在应用上可能无法立即辨识，或是距离估算错误等情况发生，错误率的发生或许不高，但在行车安全上，仍然会让使用者有所顾虑。另外，也有现有技术使用卷积神经网络(ConvolutionalNeuralNetwork，CNN)对车外影像作整张影像特征的撷取，一般CNN的基本架构包含有特征提取层及特征映像层，在特征提取层中，每个神经元的输入与前一层的局部相连并提取局部的特征，一旦局部特征被撷取后，局部特征与其它特征间的位置关系也会跟着确定；另外，在特征映像层中，每个计算层由多个特征映像组成，每一特征映像为一平面，且平面上的所有神经元的权值相等。除此之外，因为神经元共享权值而减少了网络自由参数的个数，卷积神经网络中的每一个卷积层都伴随着一个用来求局部平均与二次提取的计算层，利用此一两次特征提取结构以减小特征的分辨率，藉此将所输入的车外影像特征值作分析，以判断障碍物的正确性。但CNN的卷积层卷积方法在作整个车外影像特征撷取时，因为计算量非常庞大，在作第一层特征提取时，需要耗费一些时间才能取出特征，然后再作第二层的判断，以输出正确的技术特征。因此，之前用于车外障碍物分析的技术具有框选范围的估算错误，或是在具备精确判断时，需要耗费更长的估算时间，从而无法有效实现“实时”判断，因此本专利技术提出一种具平行架构的阶层式标的物侦测系统及其方法，以有效克服上述问题。
技术实现思路
本专利技术的主要目的在于提供一种具平行架构的阶层式标的物侦测系统及其方法，利用平行化架构方法结合卷积神经网络，利用两阶层的分析，以加速图像处理的效率，使得图像处理的时间大幅减少，因此相对地增加了防撞系统的应变时间，以及使影像判断的错误率降低，彻底降低失误率。本专利技术的另一目的在于提供一种具平行架构的阶层式标的物侦测系统及其方法，应用在车辆的防撞系统中，可以使驾驶者在发生碰撞前得到预警，减少车辆追撞事故、迎面撞车事故或路面相关的事故，能够实时又正确的判断，可以完整地保护车辆及其驾驶者与道路上其他用路人的安全。为了达到上述目的，本专利技术提供一种具平行架构的阶层式标的物侦测方法，包含下列步骤，先撷取出至少一影像数据，再从影像数据中搜寻出多个障碍物位置影像，利用平行化架构分类方法可以从这些障碍物位置影像中取得至少一标的物影像及标的物影像的多个框选范围，接着同步分离这些框选范围，并撷取出每一框选范围的特征值，最后再利用卷积神经网络，同时辨识出每一框选范围的特征值，并从标的物影像中找出正确的框选范围输出。为了达到上述目的，本专利技术亦提供一种具平行架构的阶层式标的物侦测系统，包含至少一影像撷取设备，用于撷取出至少一影像数据，并从影像数据中搜寻出多个障碍物位置影像，及一影像处理装置，电性连接至影像撷取设备，以接收影像撷取设备传输的障碍物位置影像，影像处理装置再从障碍物位置影像中取得至少一标的物影像及标的物影像的多个框选范围，并且同步分离这些框选范围，以撷取出每一框选范围的特征值，影像处理装置再同时辨识出每一框选范围的特征值，以实时从标的物影像中找出正确的框选范围输出。本专利技术中利用平滑窗口方法搜寻出影像数据中的障碍物位置影像，并利用影像演算器影像算法以平行化方式框选、计算及分类这些障碍物位置影像的特征数据，以及利用可平行化的分类器从这些障碍物位置影像的特征数据中作分类。另外，本专利技术利用卷积神经网络第二层的卷积方法，同步分离出每一框选范围，并撷取出框选范围的特征值，再利用卷积神经网络第二层的类神经网络，对每一框选范围的特征值作辨识。并且，上述平行化架构分类方法取得标的物影像及标的物影像的框选范围的过程是利用一影像演算器执行，以及一复杂度分类器电性连接影像演算器，再接收影像演算器所传输的数据，并利用一卷积神经网络第二层的卷积方法作后续处理。下面通过具体实施例详加说明，当更容易了解本专利技术的目的、
技术实现思路
、特点及其所达成的功效。附图说明图1为本专利技术的方块示意图；图2为本专利技术的步骤流程图；图3a为本专利技术搜寻影像数据的障碍物位置影像的影像示意图；图3b为本专利技术找出标的物影像的多个框选范围的影像示意图；图3c为本专利技术找出标的物影像的正确框选范围的影像示意图。附图标记说明：10-侦测系统；12-影像撷取设备；122-影像数据；124-障碍物位置影像；124a、124b-人体影像；124c-车子影像；124d-路灯影像；14-影像处理装置；142-影像演算器；144-复杂度分类器；146-标的物影像；148、148a-框选范围；16-显示器；L-下底线。具体实施方式本专利技术主要可结合在自动紧急刹车系统(AutonomousEmergencyBraking，AEB)中，并可以应用在车辆的障碍物侦测的影像系统中，例如自动驾驶系统(AutonomousDrivingAssistantSystem，ADS)或倒车碰撞警示系统(ParkingCollisionAvoidanceSystem，PCAS)等系统中，并利用本专利技术提供的具平行架构的阶层式标的物侦测系统及其方法可以降低计算复杂度并同时提升准确率。首先，如图1所示，一种具平行架构的阶层式标的物侦测系统10包含有至少一影像撷取设备12及一影像处理装置14，影像处理装置14电性连接影像撷取设备12及一显示器16，本实施例中以一个影像撷取设备12为例，且影像撷取设备12为具数字信号处理器(DigitalSignalProcessor，DSP)的感光耦合元件(ChargeCoupledDevice，CCD)摄影机，在影像处理装置14中还包含有一影像演算器142及一复杂度分类器144，影像演算器142电性连接复杂度分类器144，影像处理装置14为微电脑车载机，影像演算器142为结合方向梯度直方图(HistogramofOrientedGradient，HOG)及支持向量机(SupportVectorMachine，SVM)分类法的影像演算器，复杂度分类器144为卷积神经网络(ConvolutionalNeuralNetwork)分类器。承接上段，影像撷取设备12可以从车外环境中撷取至少一影像数据122，本实施例以一个影像数据122为例说明，当影像撷取设备12撷取出影像数据122后，可以从影像数据122中搜寻出多个障碍本文档来自技高网...

【技术保护点】
一种具平行架构的阶层式标的物侦测方法，其特征在于，包含下列步骤：(a)撷取至少一影像数据；(b)搜寻该影像数据中的多个障碍物位置影像；(c)利用平行化架构分类方法从该多个障碍物位置影像中取得至少一标的物影像及其的多个框选范围；(d)同步分离该多个框选范围，并撷取出每一该框选范围的特征值；以及(e)利用卷积神经网络同时辨识每一该框选范围的该特征值，以从该至少一标的物影像中找出正确的该框选范围输出。

【技术特征摘要】
1.一种具平行架构的阶层式标的物侦测方法，其特征在于，包含下列步骤：(a)撷取至少一影像数据；(b)搜寻该影像数据中的多个障碍物位置影像；(c)利用平行化架构分类方法从该多个障碍物位置影像中取得至少一标的物影像及其的多个框选范围；(d)同步分离该多个框选范围，并撷取出每一该框选范围的特征值；以及(e)利用卷积神经网络同时辨识每一该框选范围的该特征值，以从该至少一标的物影像中找出正确的该框选范围输出。2.根据权利要求1所述的具平行架构的阶层式标的物侦测方法，其特征在于，在该步骤(b)中，利用平滑窗口方法搜寻出该影像数据中的该多个障碍物位置影像。3.根据权利要求1所述的具平行架构的阶层式标的物侦测方法，其特征在于，在该步骤(c)中还包含下列步骤：利用一影像算法以平行化方式框选、计算及分类该多个障碍物位置影像的特征数据；以及利用一可平行化的分类法从该多个障碍物位置影像的该特征数据中，分类出该至少一标的物影像及其的该多个框选范围。4.根据权利要求3所述的具平行架构的阶层式标的物侦测方法，其特征在于，该影像算法为方向梯度直方图算法，该分类法为支持向量机分类法。5.根据权利要求1所述的具平行架构的阶层式标的物侦测方法，其特征在于，在该步骤(d)中，利用该卷积神经网络第二层的卷积方法同步分离每一该框选范围，并撷取出每一该框选范围的该特征值。6.根据权利要求5所述的具平行架构的阶层式标的物侦测方法，其特征在于，在该步骤(e)中，利用该卷积神经网络第二层的类神经网络对每一该框选范围的该特征值作辨识。7.根据权利要求1所述的具平行架构的阶层式标的物侦测方法...

【专利技术属性】
技术研发人员：张国清，李传仁，朱振纬，
申请(专利权)人：财团法人车辆研究测试中心，
类型：发明
国别省市：中国台湾,71