目标识别系统,以及用于汽车的障碍识别系统和方法

摘要

本发明提供一种目标识别系统，所述目标识别系统在源图像的ROI中识别目标。所述目标识别系统包括图像变换单元和ROI检测单元。所述图像变化单元接收所述源图像，并将所述目标改变成表示为边缘线的边缘图像。所述ROI检测单元将所述边缘图像分割成多个区域，对各个区域，将包含在每个区域中的边缘线的边缘成分值的总和与预定的阈值比较，将所述边缘成分值的总和大于所述阈值的区域作为ROI从所述多个区域中检测出来。

说明书

技术领域

本发明涉及目标识别系统和用于车辆的障碍识别系统和方法，更具体的， 涉及目标识别系统，其使用图像处理技术识别包含在图像中的目标，以及用于 车辆的障碍识别系统和方法。

背景技术

目标识别算法应用在各种领域，例如用户认证系统，车辆障碍识别系统， 安全系统以及人机交互技术(HRI)。最近，目标识别算法被嵌入到硬件中并被 实施为嵌入式系统从而只执行具体的功能。这里，所述嵌入式系统是一个大系 统的一部分，是一个执行具体任务的包含硬件和软件具体应用系统。

然而，对处理器而言所述目标识别算法需要过多的操作处理量。例如，所 述目标识别算法包括扫描输入图像的全部区域至具有确定尺寸的寻找窗的操 作，所述扫描操作需要过多的操作处理量。由于过多的操作处理量，处理图像 需要的存储器被增加。此外，过多的操作处理量和增加的存储器是影响所述目 标识别算法在例如嵌入式系统的硬件中执行的因素。

发明内容

相应的，本发明提供一种目标识别系统，其在目标识别的图像处理操作中 不需要过多的操作处理量。

本发明还提供一种使用所述目标识别系统的用于车辆的障碍识别系统。

本发明还提供一种用于车辆的障碍识别方法，其在目标识别的图像处理操 作中不需要过多的操作处理量。

在一方面，一种目标识别系统，其识别源图像中的感兴趣区域(Region Of  Interest，ROI)中的目标，所述目标识别系统包括：图像变换单元，其接收所 述源图像，并将所述目标变换成表示为边缘线的边缘图像；以及ROI检测单元， 其将所述边缘图像分割成多个区域，对各个区域，将包含在每个区域中的边缘 线的边缘成分值的总和与预定的阈值比较，将所述边缘成分值的总和大于所述 阈值的区域作为ROI从所述多个区域中检测出来。

在另一方面，用于车辆的障碍识别系统，包括：图像摄取单元，其包含在 车辆内，并产生源图像，所述源图像通过摄取车辆行驶时前方或后方的景象获 得；边缘图像产生单元，其接收所述源图像，并产生边缘图像，所述边缘图像 将包含在源图像内的目标表示为边缘线；感兴趣区域(ROI)检测单元，其将 所述边缘图像分割成多个区域；对各个区域，计算所述边缘线的边缘成分值的 总和；将边缘成分值的总和与预定的阈值比较；对每个区域，基于比较结果从 所述区域中检测出ROI；以及图像分析单元，其通过具有确定尺寸的模块单元 扫描所述检测到的ROI以分析在所述检测到的ROI中是否存在障碍。

另一方面，用于车辆的障碍识别系统，包括：图像摄取单元，其包含在车 辆内，并产生源图像，所述源图像通过摄取车辆行驶时前方或后方的景象获得； 边缘图像产生单元，其接收所述源图像，并产生边缘图像，所述边缘图像将包 含在源图像内的目标表示为边缘线；感兴趣区域(ROI)检测单元，其根据所 述车辆的速度值将所述边缘图像分割成多个预定数量的区域；对各个区域，计 算所述边缘线的边缘成分值的总和；对每个区域，将边缘成分值的总和与预定 的阈值比较；对每个区域，基于比较结果从所述区域中检测出ROI；以及图像 分析单元，其通过具有确定尺寸的模块单元扫描所述检测到的ROI以分析在所 述检测到的ROI中是否存在障碍。

另一方面，用于车辆的障碍识别方法，其使用具有确定尺寸的模块单元扫 描从源图像中检测出的感兴趣的区域(ROI)以识别障碍，所述障碍识别方法 包括：产生边缘图像，边缘图像将包含在源图像中的目标表示为边缘线；根据 车辆的速度值将所述边缘图像分割成预定数量的区域；以及计算存在于每个分 割区域中的边缘线的边缘成分值的总和，将边缘成分值的总和与预定的阈值比 较；对每个区域，基于比较结果从所述区域中检测出ROI。

其他的特征和情况从下面详细的说明，附图和权利要求中将变得清楚。

附图说明

图1是显示了根据本发明示例性实施方式的用于车辆的障碍识别系统的框 图。

图2显示了源图像的例子，所述源图像由图1中的图像摄取单元摄取。

图3显示了边缘图像的例子，所述边缘图像由图1中的边缘图像产生单元 产生。

图4是显示了图1中的ROI检测单元的内部结构的示例性实施方式的框图。

图5和图6显示了边缘图像的例子，所述边缘图像由图4中的图像分割器 分割。

图7是显示了图1中的ROI检测单元的内部构造的另一示例性实施方式的 框图。

图8是显示了根据本发明示例性实施方式的障碍识别方法的流程图。

具体实施方式

下面，示例性实施方式将结合附图进行详细的说明。在附图和详细的说明 中，除非另有说明，否则相同的附图标记表示相同的元件，特征和结构。这些 元件的相对尺寸和描写可能由于清楚、说明和方便的目的而被夸大。下面的详 细说明提供来帮助读者对这里描述的方法，装置和/或系统有一个清楚的理解。 相应的，可以使本领域技术人员想起所述方法，装置和/或系统的各种变化，改 进和等同。另外，为了清楚和简明的目的公知功能和结构的描述可能被省略。

本发明分析由成像装置，例如照相机提供的源图像，并基于所述分析结果 大大地改进了包括在源图像内的障碍的检测性能。

对此，本发明只对源图像的整个区域的一部分执行目标检测操作，不像现 有方法中的那样，从源图像的整个区域中检测例如障碍的目标。

在详细说明本发明的示例性实施方式之前，为了理解的目的，下面将说明 一个例子，其中根据本发明示例性实施方式的目标识别系统被应用在车辆上， 并被用作障碍识别装置以识别例如相邻车辆或行人的障碍。考虑到这些应用的 例子，在附图中，术语“目标识别系统”可以用术语“用于车辆的障碍识别系 统”代替。

然而，根据本发明示例性实施方式的目标识别系统不限于用于车辆的障碍 识别装置。相反，在下述说明中应当理解，根据本发明的示例性实施方式的目 标识别系统可以应用到目标识别的各种图像处理技术中，例如用于用户认证系 统，安全系统和人机交互技术(HRI)。

在下列说明中，当确定相关公知的功能和结构的说明对本发明的重点而言 不必要时，这种描述将被省略。类似的附图标记指代类似的元件。图4中的边 缘值收集器和图7中的比较器用相同的附图标记表示。

图1是显示了根据本发明示例性实施方式的用于车辆的障碍识别系统100 的框图。图2显示了源图像的例子，所述源图像由图1中的图像摄取单元摄取。 图3显示了边缘图像的例子，所述边缘图像由图1中的边缘图像产生单元产生。 在图2中，作为指示源图像的水平长度的变量‘i’是在水平方向上象素的数量， 作为指示源图像的垂直长度的变量‘j’是在垂直方向上象素的数量。在图3中， 作为指示边缘图像的水平长度的变量‘i’是在水平方向上象素的数量，作为指 示边缘图像的垂直长度的变量‘j’是在垂直方向上象素的数量。

参见图1，根据本发明示例性实施方式的用于车辆的障碍识别系统100检 测例如车辆或行人的障碍(或目标)。总之，障碍识别系统100设定源图像的整 个区域的部分区域作为感兴趣区域(Region Of Interest，ROI)，并只对设定的 感兴趣区域执行扫描操作。

所述障碍识别系统100将分析的目标区域限制在源图像的整个区域的部分 区域上，从而图像处理目标从源图像的整个区域减少到部分区域。因此，处理 器的运行处理量减少，进而，图像处理操作需要的存储器容量也被减少。对此， 障碍识别系统100包括图像摄取单元110，边缘图像产生单元120，和ROI检 测单元130，以及图像分析单元140。

所述图像摄取单元110是例如红外照相机的成像装置，并被布置在车辆的 具体位置上。图像摄取单元110产生源图像S-IM，其通过摄取行驶中的车辆的 前方和/或后方的景像获得。

边缘图像产生单元120从所述图像摄取单元110接收所述源图像S-IM。所 述边缘图像产生单元120产生边缘图像EG-IM，其将源图像S-IM内的障碍(例 如车辆或行人)表示为边缘线。为此，所述边缘图像产生单元120使用边缘检 测技术产生边缘图像EG-IM。所述边缘检测技术是一种算法，其使用边缘算子 检测边缘成分值，所述边缘成分值构成了包含在源图像S-IM中的障碍的边缘 线。这里，构成所述边缘线的任意象素和与所述任意象素相邻的象素被指定， 所述边缘成分值指的是任意象素的灰度水平值(或灰度值)和相邻象素的灰度 水平值之间的不连续的值。所述不连续的值可以定义为任意象素的灰度水平值 和相邻象素的灰度水平值之间的差值或任意象素的灰度水平值和相邻象素的灰 度水平值之间的变化率的数值。

所述不连续的值可以用边缘算子来检测，作为边缘算子，例如，他们可以 是同类算子，差分算子，微分算子，边界梯度算子，拉普拉斯算子，和高斯的 拉普拉斯(LOG)算子。

在从源图像S-IM检测边缘线(或边缘成分值)的操作中，源图像S-IM的 噪音可能被检测为边缘线(或边缘成分值)。因此，边缘图像产生单元120将图 2中的源图像S-IM改变成中间图像，其由目标的边缘线构成，随后，其将所述 被改变的中间图像二进制化，以最终产生图3中所示的二进制化的边缘图像 EG-IM，其中噪音已经被消除。例如，所述边缘图像产生单元120将构成所述 障碍(或目标)的边缘线的象素给出0至255的灰度水平值，将除构成所述障 碍(或目标)的边缘线的象素之外的象素给出0的灰度水平值(或0的二进制 字节)。结果，如图3所示，所述边缘图像产生单元120最终产生具有包含黑灰 度水平和白灰度水平的灰度值的二进制边缘图像EG-IM。

所述ROI检测单元130将从所述边缘图像产生单元120输入的边缘图像 EG-IM的全部区域分割成多个区域。所述ROI检测单元从这些分割后的区域中 选择满足具体条件(下面将说明)区域ROI，并将选择的区域作为感兴趣的区 域检测。对应于被检测的ROI的ROI的图像ROI-IM被提供到图像分析单元140。 所述ROI检测单元130将在下面进行详述。

图像分析单元140接收来自所述ROI检测单元130的ROI图像ROI-IM， 并按计划扫描所述ROI图像ROI-IM的整个区域，所述计划从左到右移动具有 一个象素的确定尺寸的寻找窗。当寻找窗的运动从所述ROI图像ROI-IM的左 上部抵达所述ROI图像ROI-IM的右下部使，一个扫描循环完成。

当一个循环的扫描操作完成时，所述图像分析单元140将ROI图像的尺寸 按比例缩减并重复所述扫描操作。在所述重复扫描操作中图像分析操作被执行。 由于这样的扫描操作是被重复的操作，同时控制图像的尺寸，其需要非常多的 数据处理量和较大的存储容量。

然而，在本发明的示例性实施方式中，所述扫描操作只对所述边缘图像 EG-IM的整个区域中满足具体条件的部分区域执行，而不是扫描所述边缘图像 EG-IM的整个区域。

图4是显示了图1中的ROI检测单元的内部结构的示例性实施方式的框图。 图5和图6显示了边缘图像的例子，所述边缘图像由图4中的图像分割器分割。

参见图4，所述ROI检测单元130将所述边缘图像EG-IM的全部区域的一 部分作为ROI进行检测，并包括区域分割器132，边缘值收集器134和比较器 136。

区域分割器132将所述边缘图像EG-IM的全部区域分割成多个区域。所述 图像分割器132将所述边缘图像EG-IM的全部区域在水平方向上分割成n(n 为等于或大于2的自然数)等份从而分割成多个区域。

当源图像中存在障碍时，所述源图像通过摄取车辆前方或后方的景象获得， 其在所述边缘图像EG-IM的全部区域中的水平方向上被处理。在本发明的示例 性实施方式中，因此，所述边缘图像的全部区域被在水平方向上分割成n(n 为等于或大于2的自然数)等份，以增加边缘图像中目标的检测成功率和分割 效率。

如图3所示，当所述边缘图像EG-IM的全部尺寸是“i*j”时，分割后的区 域的尺寸是“i*(j/n)”。这里，作为边缘图像的水平长度的“i”是水平方向上 象素的数量，作为边缘图像的垂直长度的“j”是垂直方向上象素的数量。“n” 是变量，其确定在水平方向上分割的区域的数量，为2至5的自然数。变量“n” 可以由系统设计者改变。

图5和图6显示了由图像分割器132分割的边缘图像的例子。图5说明了 被分成2等份的边缘图像的全部区域，其中变量“n”设定为2。图6说明了被 分成3等份的边缘图像的全部区域，其中变量“n”设定为3。

再参见图4，所述边缘值收集器134计算边缘线的边缘成分值的总和，边 缘线包含在由分割器132分割的每个区域中。边缘成分值的总和表示为下列等 式(1)。

CETvalue＝∑Edge(i，j)        .......(1)

随后，边缘值收集器134对每个区域对所述计算出的CET值微分并搜集所 述计算出的CET值，并将所述搜集到的CET值提供到比较器136。

比较器136将每个区域的所述从边缘值收集器134送来的CET值和预定阈 值(TH)比较。这里，阈值(TH)是一个预测值，其基于系统设计者收集到 的静态信息来计算。所述阈值(TH)可以根据被分割区域的数量而不同。例如， 当如图5所述边缘图像被分割成2等份时阈值可以设定为大于当如图6所述边 缘图像被分割成3等份时阈值。相反，当如图5所述边缘图像被分割成2等份 时阈值可以设定为小于当如图6所述边缘图像被分割成3等份时阈值。

基于每个区域的比较结果，比较器136将CET值大于阈值(TH)的区域 作为ROI检测。例如，如图5所示，当边缘图像被作为2等份分割成第一区域 R1和第二区域R2时，第一区域R1的CET值小于所述阈值(TH)，因为在第 一区域R1中没有障碍，因此，第一区域R1从ROI中排除。另一方面，由于第 2区域R2中存在例如车辆的障碍，第二区域R2的CET值大于所述阈值(TH)， 从而第二区域R2检测为ROI。与此类似，第四和第五区域R4和R5被检测为 ROI，而第三区域R3不是。

随后，由比较器136检测的所述ROI被送到图像分析单元140。所述图像 分析单元140只对由比较器136输入的ROI进行扫描操作，从而提高了整个图 像处理速度。

图7是一方框图，其显示了图1中的ROI检测单元的内部构造的另一示例 性实施方式。

参见图7，根据本发明另一示例性实施方式的ROI检测单元130具有不同 于图6中的ROI检测单元的功能在于其根据车辆的速度值将所述边缘图像的全 部区域分割成预定的数量。

具体地，根据本发明另一实施方式的ROI检测单元130包括区域分割器 132A，边缘值收集器134，以及比较器136。所述区域分割器132A从车辆系统 200接收速度值，并根据接收到的速度值适应性地控制边缘图像的全部区域中 被分割区域的数量。

随着车速的增加，边缘图像的全部区域中的障碍率增加。也就是说，随着 车速的增加，在整个区域中不感兴趣的区域的率减少。

当不考虑车速而将所述边缘图像的全部区域分割成相等部分时，要确定为 ROI的区域被确定为不感兴趣的区域，如此，在ROI的检测操作中可能发生检 测错误。

例如，在系统设计者已经确定设计的情况下，如图5中的边缘图像被分成 2等份，在用户的车辆以80km/h行驶时分割后的边缘图像的第二区域R2中存 在障碍，从而根据比较器136的比较操作第二区域R2可以被检测为ROI。

即使在用户的车辆加速到大于100km/h时，由于车速的增加，前方行驶的 障碍车辆的尺寸在边缘图像的全部区域中出现的比率增加。因此，表示障碍车 辆的边缘线的部分可能甚至被显示在第一区域R1中。在这种情况下，当第一 区域R1的CET值小于作为图4中边缘值收集器134的计算结果的预定阈值 (FH)时，将第一区域R1从ROI中排除的检测误差可能发生。相应地，当车 辆速度增加时，需要精确地分析边缘图像的全部区域。

根据本发明另一示例性实施方式的ROI检测单元130的区域分割器132A 从车辆系统200实时接收车辆的速度值(V)，当所述接收到的车辆速度值(V) 增加时，所述区域分割器132a增加所述边缘图像的全部区域中的被分割的区域 的数量。

也就是，如上所述，当边缘图像的全部尺寸是“i*j”而通过在水平方向上 分割所述边缘图像产生的每个区域的尺寸是“i*(j/n)”时，所述区域分割器132A 与所述车辆的速度值(V)成比例地增加所述变量“n”，并分割所述边缘图像 的全部区域。图6的说明将应用到在根据车辆的速度值(V)分割所述边缘图 像后执行的操作中。

图8是显示了根据本发明示例性实施方式的障碍识别方法的流程图。

参见图8，在操作S410中，所述障碍识别方法产生源图像，源图像通过位 于车辆中的成像装置摄取车辆前部或后部的图像获得。

在操作S420中，所述障碍识别方法使用边缘检测技术产生边缘图像，将源 图像中的障碍(或目标)表示为边缘线。

在操作S430中，所述障碍识别方法执行将所述边缘图像的全部区域分割的 操作。在所述分割操作中，所述边缘图像可以被分割成n等份，其中“n”可以 被设定为2至5的自然数。在S430操作后，为了便于理解，将‘n’假定为2， 即，边缘图像的全部区域被分成2等份，进一步的，为了方便，被分割的区域 分别用上部区域(图5中的R1)和下部区域(图5中的R2)表示。

在操作S440中，所述障碍识别方法计算包括在上部区域R1中的边缘线的 边缘成分值的总和(以下指的是第一CET值)，包括在下部区域R2中的边缘线 的边缘成分值的总和(以下指的是第二CET值)。

在操作S450中，所述障碍识别方法将所述第一和第二CET值与预定的阈 值(TH)进行比较。当所述第一CET值小于所述阈值(TH)时，在操作S460 中与第一CET值对应的上部区域被排除在ROI之外，并且在操作S450中，所 述障碍识别方法比较所述第二CET值和所述阈值(TH)。在操作S460中当所 述第二CET值大于所述阈值时，在操作S470中与所述第二CET值对应的下部 区域的图像被检测为ROI。

随后，图像分析操作，例如扫描操作只对已经被检测为ROI的下部区域执 行。

根据本发明的示例性实施方式，识别目标的图像处理操作只对源图像的部 分区域执行，而不像现有的方法中图像处理操作对源图像的全部区域执行。相 应的，处理器的操作处理量减少，用于图像处理操作所需要的存储器容量降低。 当根据本发明的系统和方法实施到例如嵌入式系统的硬件中时，可以确保优良 的处理性能而不降低处理速度。

上面已经描述了多个示例性的实施方式。然而，应当理解，可以进行各种 改进。例如，如果所述的技术被以不同的顺序实施和/或，如果所述系统中的元 件，结构，装置，或电路被以不同的方式组合和/或由其他元件或他们的等同物 替代，则可以获得合适的结果。相应的，其他的实施方案也在下列权利要求的 范围内。