车载机器视觉技术保障您的行路安全

　　2.2.2 车辆检测

　　车辆检测是利用各种传感器探测前方、侧方、后方的车辆的信息，包括前后方车辆速度、位置以及障碍物的大小位置等。与此相关的汽车驾驶安全辅助支持系统有自适应巡航控制系统（ACC，adaptivecruisecontrolsystem）、前向碰撞预警系统（FCW，ForwardCollisionWarning）、横向碰撞预警系统（LDW，LateralDriftWarning），泊车辅助系统（ParkingAssistanceSystem）。在ACC和FCW中采用77GHZ微波雷达或摄像机采集道路前方信息，并融合道路几何线形、电子地图数据作为汽车巡航控制的输入信号或显示给驾驶员。在LDW中采用摄像机、前方探测雷达、侧向探测雷达采集本车前向和侧向信息，并融合道路宽度等数据，作为LDW系统输入数据。在泊车辅助系统中采用超声传感器或雷达探测本车后方与侧方的障碍物信息，并显示给驾驶员。在日本的ASV（AdvancedSafetyVehicle）、美国的IVI（IntelligentVehicleInitiative）、欧洲的e-Safety项目中ACC、FCW、LDW、泊车辅助系统等均有研究。

　　2.2.3 交通标志的探测

　　道路交通标志为重要的道路交通安全附属设施，可向驾驶员提供各种引导和约束信息。

　　驾驶员实时地正确地获取交通标志信息，可保障行车更加安全。在汽车安全辅助驾驶系统中交通标志的探测是通过图像识别系统实现的。戴姆勒·克莱斯勒公司目前正开展新一代图像识别系统研究，该系统在道路标志方法上首先对形状进行判断，然后再读取上述形状中的文字和图形信息，以做出最终判断。在难以对标志进行判断时，驾驶员也可利用事先记录的道路标识相关电子地图数据进行识别。宝马公司在ADAS（AdvancedDriverAssistanceSystems）项目研究中，也利用图像识别技术进行了交通标志的研究，此外日本丰田公司也积极进行交通标志自动识别系统的研发。国外，许多研究人员在交通标志图像识别算法研究中进行了多方面的探索。交通标志图像识别包括交通标志定位（即确定感兴趣区域）、分类器设计等几个过程。交通标志与背景的颜色以及交通标志的形状在交通工程标准中有明确的规定，因此可根据交通标志颜色和形状进行定位研究。由于交通标志种类多，拍摄交通标志图像环境影响因素多，在交通标志模式分类器设计研究中多为非线性分类器。交通标志形态骨架，并利用匹配算法识别交通标志。

　　2.2.4 行人检测技术

　　车辆辅助驾驶系统中基于计算机视觉的行人检测是指利用安装在运动车辆上的摄像机获取车辆前面的视频信息，然后从视频序列中检测出行人的位置。基于计算机视觉的行人检测系统一般包括ROIs分割和目标识别两个模块。ROIs分割的目的是快速确定行人可能出现的区域，缩小搜索空间，目前常用的方法是采用立体摄像机或雷达的基于距离的方法，其优点在于速度比较快。目标识别的目的是在ROIs中精确检测行人的位置，目前常用的方法是基于统计分类的形状识别方法，其优点在于比较鲁棒。由于它在行人安全方面的巨大应用前景，欧盟从2000年到2005年连续资助了PROTECTOR和SAVE-U项目，开发了两个以计算机视觉为核心的行人检测系统；意大利Parma大学开发的ARGO智能车也包括一个行人检测模块；以色列的MobilEye公司开发了芯片级的行人检测系统；日本本田汽车公司开发了基于红外摄像机的行人检测系统；在国内西安交通大学、清华大学、吉林大学也在该领域做了许多研究工作。

　　3 车辆内部信息的机器视觉辅助驾驶技术

　　车辆内部信息的机器视觉辅助驾驶技术是通过车载的视像机判别驾驶员的状态、位置等信息，实施必要的安全保障措施，包括驾驶员视线调节以及驾驶疲劳检测等。

　　3.1 视线调节

　　驾驶员的视线调节是使每位驾驶员的眼睛处于同样的相对高度上，保证提供一个对路面和周围车道的无阻碍视野和最好的视见度，从而保障驾驶安全。该技术包括：

　　（1）眼位传感器可以测定驾驶员眼睛的位置，然后据此确定、调节座椅的位置；

　　（2）电机将座椅自动升降到最佳高度上，为驾驶员提供能够掌握路面情况的最佳视线；

　　（3）电机自动调整转向盘、踏板、中央控制台甚至地板高度，提供尽可能舒适的驾驶位置。在一些高档轿车上视线调节系统已经得到应用，如沃尔沃视线调节系统，由位于风窗上饰板内的一个视频摄像机扫描驾驶员的座椅区域以查找一个代表驾驶员脸部的模式，进而对驾驶员脸部进行扫描以确定其眼睛的位置，然后再找出各眼的中心，完成这三步工作时所需要的时间不到1s。

　　3.2 疲劳与分神检测

　　由于疲劳驾驶是重大交通事故主要原因，国内外研究机构纷纷开展该领域的研究。疲劳的与清醒的驾驶相比，较有特异性的指标是：方向盘的微调，头部前倾，眼睑的眨动、甚至闭合。在目前驾驶疲劳检监测系统研究中，多采用车载机器视觉系统监测人体姿态和操作行为信息，判别疲劳状态。在欧洲的e-Safety项目中开发了AWAKE驾驶诊断系统。该系统利用视觉传感器和方向盘操纵力传感器实时获取驾驶员信息，并利用人工智能算法判断驾驶员的状态（清醒、可能打瞌睡、打瞌睡）。当驾驶员处于疲劳状态时，通过声音、光线、振动等刺激驾驶员，使其恢复清醒状态。文献[34]通过自行开发的专用照相机、脑电图仪和其他仪器来精确测量头部运动、瞳孔直径变化和眨眼频率，用以研究驾驶疲劳问题。研究结果表明：

　　一般情况下人们眼睛闭合的时间在0.12～0.13s之间，驾驶时若眼睛闭合时间达到0.15s就很容易发生交通事故。

　　4 结语

　　驾驶员80%以上信息通过视觉获得，针对驾驶员视觉的不足，开发基于车载机器视觉的汽车安全辅助驾驶系统一直是智能交通的研究热点之一，文中对该领域技术现状进行综述，结论如下：

　　1）分析驾驶操作过程，并对驾驶操作的三个阶段进行描述；

　　2）根据信息获取范围将汽车安全辅助驾驶分为：外部信息的机器视觉与内部信息的机器视觉技术。外部信息的机器视觉技术分为：视觉增强、视野扩展、道路环境理解，内部信息的机器视觉技术分为：视线跟踪与驾驶疲劳监测，综述汽车安全辅助驾驶系统中机器视觉技术的研究现状；

　　3）分析了汽车安全辅助驾驶系统中机器视觉技术当前研究不足，指出：低能见度驾驶员视觉增强方法、道路环境理解信息融合以及驾驶疲劳检测等技术需进一步开展研究。