本公开涉及一种基于公交车尾屏的行人检测方法、装置及公交车尾屏，包括：通过不同类型的传感器采集公交车车尾当前有效识别区域内环境信息，对环境信息进行残余光流分析，将各类型传感器的环境信息中的行人移动信息分离；对感知图像进行背景减除得到对应的行人轮廓，根据行人轮廓建立行人统计形状模型；基于雷达的行人移动信息，确定行人距离公交车车尾的距离，将行人统计形状模型和距离融合确定图像与距离信息；将图像与距离信息和红外传感器的行人移动信息融合得到行人预警信息，根据行人预警信息生成行人预警信息和车辆预警信息；若行人预警信息或车辆预警信息满足预警条件，将行人预警信息在驾驶室播放及将车辆预警信息在公交车尾屏展示。公交车尾屏展示。公交车尾屏展示。
【技术实现步骤摘要】
一种基于公交车尾屏的行人检测方法、装置及公交车尾屏
[0001]
[0002]本公开涉及车路协同智能网联
，尤其涉及一种基于公交车尾屏的行人检测方法、装置及公交车尾屏。
[0003]
技术介绍
[0004]在辅助车辆驾驶或者车辆自动驾驶的场景中，通过例如单目相机、双目相机、红外成像、微波雷达、激光测距等传感器，对车辆周边环境中的行人、车辆、障碍物等进行非接触式探测，从而获得周边的行人、车辆、障碍物等信息。
[0005]相关技术中，针对行人运动状态和不同程度的受遮挡物遮挡，导致车辆对行人检测和识别的及时性较低，以及跟踪难度较大。尤其针对公交车来说，公交车在城市行驶，行驶环境复杂，且公交车车尾盲区较大，传统的车外后视镜和倒车雷达难以满足全方位检测的需求。并且，由于处在开放的环境中，不同路况和天气变化也影响对行人检测的准确性，因而驾驶员容易遗漏公交车车位的行人和车辆，造成安全事故的频繁发生。
[0006]
技术实现思路
[0007]为克服相关技术中公交车车尾盲区较大，传统的车外后视镜和倒车雷达难以满足全方位检测的需求。并且，由于处在开放的环境中，不同路况和天气变化也影响对行人检测的准确性较低的问题，本公开提供一种基于公交车尾屏的行人检测方法、装置及公交车尾屏。
[0008]根据本公开实施例的第一方面，提供一种基于公交车尾屏的行人检测方法，包括：通过设置在公交车尾屏的不同类型的传感器，采集所述公交车的车尾当前的有效识别区域内的环境信息，并对所述环境信息进行残余光流分析，将所述各类型的所述传感器采集的环境信息中的行人移动信息分离；对所述传感器中类型为摄像机的传感器对应的感知图像进行背景减除，得到所述摄像机对应的行人轮廓，并根据所述行人轮廓建立行人统计形状模型，所述感知图像是根据图像之间的视角差确定的；基于所述传感器中类型为雷达的传感器对应的行人移动信息，确定所述行人距离所述公交车的车尾的距离，根据建立的所述行人统计形状模型以及所述距离进行初次信息融合，确定图像与距离信息；将所述图像与距离信息和所述传感器中类型为红外的传感器对应的行人移动信息进行二次信息融合，得到行人预警信息，并根据所述行人预警信息生成用于在所述公交车的驾驶室播放的行人预警信息和用于在所述公交车尾屏展示的车辆预警信息；在所述行人预警信息和/或所述车辆预警信息满足对应的预警条件的情况下，将
所述行人预警信息在所述驾驶室播放以及将所述车辆预警信息在所述公交车尾屏展示。
[0009]在其中一种可能实现的方式中，所述不同类型的传感器具有共同的有效识别区域，所述有效识别区域是根据所述公交车车尾当前的人流量确定的，所述有效识别区域的范围与所述人流量呈反比。
[0010]在其中一种可能实现的方式中，所述有效识别区域是通过如下方式确定的：根据所述摄像机对应的感知图像的灰度值差异，对所述感知图像进行分区；计算所述感知图像中每一分区的灰度值均值，将所述灰度值均值大于等于灰度阈值的分区作为环境区，将所述灰度值均值小于所述灰度阈值的分区作为定位框区；根据所述环境区与所述定位框区之间的面积比值，确定所述公交车的车尾当前的人流量，并根据所述人流量从预设的有效识别区域中确定所述有效识别区域。
[0011]在其中一种可能实现的方式中，所述根据所述行人轮廓建立行人统计形状模型的步骤，包括：基于全身检测器，从所述行人轮廓中确定行人候选轮廓区；基于贝叶斯决策组合算法，根据所述行人候选轮廓区从所述公交车车尾当前的行人中确定目标行人；利用球、椭圆柱、广义锥台中的至少一者，描述所述目标行人的结构细节，并根据所述结构细节建立行人统计形状模型。
[0012]在其中一种可能实现的方式中，所述摄像机包括设置在不同位置的多个摄像机，在所述对所述传感器中类型为摄像机的传感器对应的感知图像进行背景减除，得到所述摄像机对应的行人轮廓的步骤之前，包括：通过可编程逻辑阵列对所述行人移动信息进行视频信号模数转换，并基于嵌入式图形处理器模组，根据转换后的所述行人移动信息进行图形性能计算，得到备用行人移动信息；基于三角测量，对所述多个摄像机对应的所述备用行人移动信息进行视角差计算，并根据所述视角差从所述行人移动信息中确定不同视角下的感知图像。
[0013]在其中一种可能实现的方式中，所述根据所述行人轮廓建立行人统计形状模型的步骤，包括：建立线性点分布模型，并使用主成分分析降低所述线性点分布模型的维数，得到8维变形空间的线性点分布模型；在所述8维变形空间的线性点分布模型中，根据所述行人轮廓中的不同身体部位，构建行人统计形状模型，其中，所述身体部位包括头肩、躯干和腿。
[0014]根据本公开实施例的第二方面，提供一种基于公交车尾屏的行人检测装置，包括：采集模块，被配置为通过设置在公交车尾屏的不同类型的传感器，采集所述公交车的车尾当前的有效识别区域内的环境信息，并对所述环境信息进行残余光流分析，将所述各类型的所述传感器采集的环境信息中的行人移动信息分离；构建模块，被配置为对所述传感器中类型为摄像机的传感器对应的感知图像进行背景减除，得到所述摄像机对应的行人轮廓，并根据所述行人轮廓建立行人统计形状模型，所述感知图像是根据图像之间的视角差确定的；确定模块，被配置为基于所述传感器中类型为雷达的传感器对应的行人移动信
息，确定所述行人距离所述公交车的车尾的距离，根据建立的所述行人统计形状模型以及所述距离进行初次信息融合，确定图像与距离信息；融合模块，被配置为将所述图像与距离信息和所述传感器中类型为红外的传感器对应的行人移动信息进行二次信息融合，得到行人预警信息，并根据所述行人预警信息生成用于在所述公交车的驾驶室播放的行人预警信息和用于在所述公交车尾屏展示的车辆预警信息；预警模块，被配置为在所述行人预警信息和/或所述车辆预警信息满足对应的预警条件的情况下，将所述行人预警信息在所述驾驶室播放以及将所述车辆预警信息在所述公交车尾屏展示。
[0015]在其中一种可能实现的方式中，所述不同类型的传感器具有共同的有效识别区域，所述有效识别区域是根据所述公交车车尾当前的人流量确定的，所述有效识别区域的范围与所述人流量呈反比。
[0016]在其中一种可能实现的方式中，所述有效识别区域是通过如下方式确定的：根据所述摄像机对应的感知图像的灰度值差异，对所述感知图像进行分区；计算所述感知图像中每一分区的灰度值均值，将所述灰度值均值大于等于灰度阈值的分区作为环境区，将所述灰度值均值小于所述灰度阈值的分区作为定位框区；根据所述环境区与所述定位框区之间的面积比值，确定所述公交车的车尾当前的人流量，并根据所述人流量从预设的有效识别区域中确定所述有效识别区域。
[0017]在其中一种可能实现的方式中，所述构建模块，被配置为：基于全身检测器，从所述行人轮廓中确定行人候选轮廓区；基于贝叶斯决策组合算法，根据所述行人候选轮廓区从所述公交车车尾当前的行人中确定目标行人；利用球、椭圆柱、广义锥台中的至少一者，描述所述目标行人的结构细节，并根据所述结构细节建立行人统计形状模型。
[0018]在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于公交车尾屏的行人检测方法，其特征在于，包括：通过设置在公交车尾屏的不同类型的传感器，采集所述公交车的车尾当前的有效识别区域内的环境信息，并对所述环境信息进行残余光流分析，将所述各类型的所述传感器采集的环境信息中的行人移动信息分离；对所述传感器中类型为摄像机的传感器对应的感知图像进行背景减除，得到所述摄像机对应的行人轮廓，并根据所述行人轮廓建立行人统计形状模型，所述感知图像是根据图像之间的视角差确定的；基于所述传感器中类型为雷达的传感器对应的行人移动信息，确定所述行人距离所述公交车的车尾的距离，根据建立的所述行人统计形状模型以及所述距离进行初次信息融合，确定图像与距离信息；将所述图像与距离信息和所述传感器中类型为红外的传感器对应的行人移动信息进行二次信息融合，得到行人预警信息，并根据所述行人预警信息生成用于在所述公交车的驾驶室播放的行人预警信息和用于在所述公交车尾屏展示的车辆预警信息；在所述行人预警信息和/或所述车辆预警信息满足对应的预警条件的情况下，将所述行人预警信息在所述驾驶室播放以及将所述车辆预警信息在所述公交车尾屏展示。2.根据权利要求1所述的行人检测方法，其特征在于，所述不同类型的传感器具有共同的有效识别区域，所述有效识别区域是根据所述公交车车尾当前的人流量确定的，所述有效识别区域的范围与所述人流量呈反比。3.根据权利要求2所述的行人检测方法，其特征在于，所述有效识别区域是通过如下方式确定的：根据所述摄像机对应的感知图像的灰度值差异，对所述感知图像进行分区；计算所述感知图像中每一分区的灰度值均值，将所述灰度值均值大于等于灰度阈值的分区作为环境区，将所述灰度值均值小于所述灰度阈值的分区作为定位框区；根据所述环境区与所述定位框区之间的面积比值，确定所述公交车的车尾当前的人流量，并根据所述人流量从预设的有效识别区域中确定所述有效识别区域。4.根据权利要求1所述的行人检测方法，其特征在于，所述根据所述行人轮廓建立行人统计形状模型的步骤，包括：基于全身检测器，从所述行人轮廓中确定行人候选轮廓区；基于贝叶斯决策组合算法，根据所述行人候选轮廓区从所述公交车车尾当前的行人中确定目标行人；利用球、椭圆柱、广义锥台中的至少一者，描述所述目标行人的结构细节，并根据所述结构细节建立行人统计形状模型。5.根据权利要求1所述的行人检测方法，其特征在于，所述摄像机包括设置在不同位置的多个摄像机，在所述对所述传感器中类型为摄像机的传感器对应的感知图像进行背景减除，得到所述摄像机对应的行人轮廓的步骤之前，包括：通过可编程逻辑阵列对所述行人移动信息进行视频信号模数转换，并基于嵌入式图形处理器模组，根据转换后的所述行人移动信息进行图形性能计算，得到备用行人移动信息；基于三角测量，对所述多个摄像机对应的所述备用行人移动信息进...
【专利技术属性】
技术研发人员：杨雷，洪涛，王恒达，马铤，曹川川，
申请(专利权)人：苏州昆朋智能网联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。