图像识别技术在汽车安全领域中的应用

Posted 2021-04-07 碰撞与安全

点击蓝字

关注这个多彩的世界

１

闲话少述，直接上硬核——图像处理界的标准图像。

　　你没有走错片场，这就是图像处理领域的国际测试标准图像——Lena。1973年，美国南加州大学IPL（图像处理研究所）William K. Pratt教授想找一幅图像来做图像处理的测试，他已厌倦了手头繁杂的照片，想找张能让人眼前一亮的照片。恰好此时，一人拿着《花花公子》走了进来，Lena的照片让教授眼前一亮，教授便截取她的脸部与裸露的肩部（全图少儿不宜）作为了他研究的样例图像。从此，这幅经典图像就诞生了。

　　你是否觉得学术研究应该是严谨严肃的，不该如此儿戏。但从学术研究的角度讲，该图具有平整的区块、清晰细致的纹路、斑驳陆离的光影、不同深浅层次的颜色，其完美的细节在验证图像处理演绎法则时相当有成效，而从研究者（大部分为男性）的心理角度讲，这幅图像赏心悦目，可以大大调动研究者的积极性。这可不是我编的，这是出自某IEEE图像处理期刊主编David C. Munson之口。

　　在研究者们对知识如饥似渴的探索下，图像处理技术尤其是图像识别技术取得了重大进展。图像识别技术是人类视觉认知的延伸，是人工智能的一个重要领域。当我们看到一张图片时，大脑会依靠图像的特征，从记忆中迅速感应到是否见过此图片或与其相似的图片。在这个过程中，大脑会根据存储记忆中已经分好的类别进行识别，查看是否有与该图像具有相同或类似特征的存储记忆。计算机的图像识别技术也是如此，通过分类并提取重要特征而排除多余信息来识别图像。

２

干货来了

　　图像是由一系列的像素点排列组成，每个像素的值可以用R红色、 G绿色和B蓝色的数字组合表示。其中每个数字对应一种颜色的值，每个颜色的值可以在0到255之间，如蓝色可以表示为（0，0，255）。

　　为了更加高效地处理图像，有时需要把颜色空间从三维降级到一维，将彩色图像转换为灰度图像或者二值图像。其中二值图像是灰度只有0和255的黑白图像， 0代表黑色，255代表白色，当某像素点的灰度值大于设定阈值T时，该像素点的值为255，当小于T时，设定为0。

　　这样图像就成为了一个数字的集合，后续可以通过各种不明觉厉的算法处理数字集合来提取图像特征。例如在提取图像边缘信息时常用的Canny边缘检测算法，是通过计算像素值的梯度大小结合两个阈值来判断强边缘和弱边缘，最终效果如下。

小结

　　图像识别技术正是基于这种对图像特征的提取，从而识别不同对象。目前有大量的图像识别算法，比如模板匹配算法、Sift、图像金字塔等，在此介绍最基本、最常用的模板匹配算法。模板匹配算法就是在整个图像区域发现与给定子图像匹配的小块区域，工作原理是在待检测图像上，从左到右、从上向下计算模板图像与重叠子图像的平方差、标准相关性系数等参数来判断匹配程度，匹配程度越大，两者相同的可能性越大。

举个栗子

　　将Lena置身于浩瀚星辰中时，使用模板匹配算法，可以准确识别出Lena的区域和边界（蓝色框）。

　　当涉及到大量对象间的匹配时，就需要用到机器学习算法如BP神经网络、随机森林等，这些学习算法可以统一归纳为分类器，模拟人的学习过程将不同对象分门别类，但是基础都离不开对图像特征的提取。

　　图像识别技术是汽车安全领域中的重要技术手段，虽然当前图像识别技术还存在着环境适应性差、鲁棒性弱的问题，但与传统雷达相比可以提供更直观丰富的感知内容， 包括红绿灯识别、道路识别等独有感知能力， 使汽车安全技术及智能驾驶得以快速发展。例如在驾驶员疲劳驾驶预警、车道偏移预警、自动驾驶等领域的应用。

３

绕了一大圈

终于该说汽车了

图像识别技术在汽车安全领域的应用

　　相对于激光雷达，毫米波雷达等传感器，摄像头的成本较低廉，产品产业化容易实现，而通过摄像头获取的信息却非常巨大，因此，无论是现阶段被广泛使用的ADAS系统，还是汽车智能化的最终目标——自动驾驶，图像识别技术都必不可少。

举几个应用的栗子

疲劳驾驶预警系统（Driver Fatigue Monitor System ，DMS）

　　利用布置在车内的摄像头实时检测和判断驾驶员的疲劳状态和其他不良驾驶行为，例如“车元素”的摄像头布置方案如下：

　　DMS会能够在行驶过程中，识别驾驶员打哈欠、闭眼等疲劳动作，后期综合识别疲劳征兆，监管疲劳隐患逐步发生的过程。预警系统将会对此类行为进行及时的分析，通过语音、震动提示，达到警示驾驶员、避免事故发生的目的。DMS就像是一位严厉的老师，保证在驾驶（上课）过程中聚精会神不能打瞌睡，工作流程如下：

车道偏离警示系统（ Lane Departure Warning System，LDWS）

　　LDWS主要由摄像头、控制器以及传感器组成，摄像头一般安置在车身侧面或后视镜位置，时刻采集行驶车道的标识线，通过图像处理获得汽车在当前车道中的位置参数，当检测到汽车偏离车道时，传感器及时收集车辆数据和驾驶员的操作状态，由控制器发出警报信号，整个过程大约在0.5秒完成，为驾驶者提供更多的反应时间。而如果驾驶者打开转向灯正常换道，LDWS不会做出提示。

　　LDWS是“防出轨”的强力工具，根据美国IIHS在2011年的一项调查，车道偏离预警系统每年可以帮助减少3%的碰撞事故、5.4%的非致死严重碰撞事故以及23%的致死碰撞事故。

自动驾驶（Autonomous vehicles）

　　图像识别技术不仅在高级驾驶辅助系统ADAS中占有重要地位，在自动驾驶中也发挥着重要作用，就像人的眼睛一样将成为“自动驾驶汽车的眼睛”。摄像头结合图像识别技术，能快速识别车辆、行人和交通标志，可以给现阶段的自动驾驶技术提供足够的环境感知。

　　自动驾驶领域明星公司Mobileye提供的“摄像头+视觉处理芯片+图像识别算法”方案，在自动驾驶领域保持着70%以上的市场份额，基本成为了自动驾驶汽车的标配。

　　虽然图像识别技术在汽车安全领域已经应用较多，但也具有一定的缺点，例如图像的处理速度与汽车碰撞毫秒级响应相比较慢，需要优化算法以达到更快的处理速度，此外，光照条件、环境、天气等会对图像的质量、处理和识别等带来很大的影响，克服这些因素的影响才能做到全天候实时地使用。这些都是当前图像识别技术的不足，也是未来的发展趋势，相信在不久的将来图像识别技术能够克服这些缺陷，让汽车安全更加智能化。

文章 |　黄宏滔＆范德军

编辑 | 　谷宗强

广汽研究院集成安全技术部

 

本文为原创，欢迎小伙伴分享

媒体如需转载请在文前注明作者及出处

部分图片来源于网络

用心造好车

为了更安全的明天加油！