智慧型運輸系統(ITS)為車輛的安全開啟了一個新的紀元，今日的駕駛輔助系統已可預防肇事的發生。自動駕駛輔助系統可預先警告駕駛人不當的駕駛行為。適應性速度控制可確保行車速度於安全範圍，避免碰撞；近年來有多項有效又即時的方法已應用在現實生活中。現有的技術可以大致區分為雷達、雷射等基於硬體的測距偵測，動態物體偵測以及機器視覺偵測。其中以雷達為基礎的技術雖然擁有準確的深度訊息和較長的檢測距離，但昂貴的硬體成本造成實現的門檻過高，至少短時間內尚無法達到普及化的程度；基於動態物體偵測的技術需要付出很多努力消除環境雜訊，倘若環境的背景複雜將造成頗高的誤判機率；基於機器學習的技術實現成本低且具有較好的穩健性，隨著越來越多投入機器視覺的研究，機器視覺在多項領域中正逐步邁向成熟。
本技術提出一個基於機器視覺的即時偵測並追蹤車輛的方法，可廣泛用於各種環境中。首先偵測環境中的車輛，我們利用基於機器學習的演算法和級聯式(cascade)架構在複雜動態的場景中即時偵測車輛，並提出一個結合光流演算法和卡爾曼濾波器的追蹤機制對所偵測的車輛進行追蹤。
我們針對不同環境進行實驗，如高速公路、市郊和市區街道。我們提出的方法可以有效的偵測到不同距離的車輛，在高速公路的環境上能達到93%的偵測率，而在複雜且雜訊程度頗高的環境下也能達到85%的偵測率；而所提出的追蹤機制在各種環境中亦達到一定的穩健性。整體運算速度可達每秒18~25次的畫面更新率。
|
技術摘要：
專利行銷平台
