汽車駕駛輔助系統中基于計算機視覺技術分析

王彤 劉學明 王大鵬

摘 要：近年來私家車數量不斷增加，在駕駛過程中也頻繁發生安全事故，嚴重影響著駕駛人員的生命安全。因此，為了減少安全事故的發生，相關的工作人員應重視計算機視覺的運營，本文就基于計算機視覺的汽車安全輔助駕駛技術進行了分析。

關鍵詞：計算機視覺;汽車;安全輔助駕駛技術

0 引言

隨著近年來人們生活水平的上升和民用汽車的使用率不斷提高，交通事故的發生率也在不斷提升，如何進行安全駕駛和安全出行已經是人們討論的焦點問題。安全輔助裝置主要是指通過采用有效的裝置降低汽車交通事故的出現和發生，提高駕駛員的行駛途中的安全性。通過高效和科學的方式能夠有效的降低交通事故的出現。傳統的安全設置輔助系統已經不能滿足現階段的需求，通過對道路和汽車等方面進行智能檢測和分析的方式，利用計算機技術提高汽車安全輔助駕駛的高效性。

1 計算機視覺技術

計算機視覺技術在60年代末到70年代初開始進入重要發展存在。通過對相機原理圖、投影和攝影測量工作原理的研究，能開始初步處理模擬人類視覺系統等概念。在幾十年里，計算機視覺結合計算機、幾何學、光學、心理學等方面內容，逐漸涵蓋機器學習、圖像處理、模式識別、增強現實等技術，完成視頻和圖像的更強的處理分析能力。邊緣檢測、特征提取、特征匹配、定位和跟蹤、行為檢測、3D現實優化和重構等技術表現了強大的處理能力，為目標跟蹤和行為分析等功能提供了堅實的技術基礎。

從計算機視覺角度分析交通問題，交通中的元素可以歸結為三大類，即人、車、路。人包括道路上的行人和車輛中的乘客與駕駛員;車泛指交通運輸工具，含陸運和水運等，在本文中研究陸地交通運輸問題;路包括道路、道路上以及道路周側的交通設施，如信號燈、交通標志等。計算機視覺處理圖像或者視頻的方法主要分為兩類，一類是傳統的機器學習方法，一類是近年來流行的基于深度學習的方法。傳統的機器學習方法處理計算機視覺問題主要為以下幾個步驟的綜合：視頻抽幀、預處理、分割、特征提取、分類等。其中視頻抽幀是指對視頻進行抽取包含需要信息的關鍵幀圖片，然后對圖像進行處理分析;圖像預處理是對不同圖像尺寸進行壓縮處理，得到便于處理的圖像尺寸，然后將彩色圖像進行灰度化處理，也可以包括去噪等操作;分割是將特征窗口在圖像上滑動來收集特定的特征來實現。基于深度學習的視覺處理方法以各種卷積神經網絡結構模型為代表，合并了特征提取、選擇和分類過程，通過端對端訓練來自動提取特征，達到分類效果，這類方法精度高，但是依賴高性能計算硬件。

2 基于計算機視覺的汽車安全輔助駕駛技術

2.1 目標識別技術

目標識別技術是計算機安全輔助駕駛系統的重要核心部分，它能夠給系統的監測和決策提供分析和參考。由于道路交通存在一定的復雜性和多變性，需要對目標進行高準確度的判斷和分析，通過實時的識別提高決策的準確和嚴謹。

目標識別主要包括傳統目標識別方法和基于深度學習的目標識別方法。

交通信號燈的識別包括顏色、數字燈、狀態的識別。顏色包括紅、綠、黃。數字燈指部分交通信號燈旁邊具有倒計時秒數的時間指示。狀態包括圓形、左轉、右轉、直行等。交通燈可以通過色彩、形狀、位置等特征檢測。交通燈檢測與識別相對應用比較成熟，數字燈的研究相對較少。

交通標志識別，旨在通過警告駕駛員潛在危險來提高駕駛安全性，道路標志一般分為七類，危險警告、優先、禁止或限制等。傳統識別方法中檢測階段的輸出是圖像邊界框的列表，每個邊界框包含尚未識別的交通標志，識別階段的輸出是每個邊界框的類別標簽（“停止”“讓路”等）。與其他交通元素一樣，交通標志的識別會受光照、遮擋等影響，另外還可能破舊等問題導致標志損壞或者褪色，影響識別結果。通過對交通標志的識別，可以幫助司機在行駛中的不合理行為做出提醒，比如警告超速、提醒急轉彎等，也可以為導航系統提供信息，糾正導航偏差。另外對于越來越多的道路標志的維護也有一定的幫助，減輕人力負擔。

拋灑物識別。公路拋灑物是指在車輛行駛過程中，物品從車輛中或者道路外拋到道路中，影響后續車輛行駛。視頻來源是靜止的高速公路攝像頭，可以根據距離和時間等參數判斷短時間內是否有靜止拋灑物;如果視頻來源是移動的車輛前置攝像頭，可以通過相關運動目標檢測算法來實現。

2.2 目標測距技術

現階段安全輔助駕駛系統中主要采用對目標測距的技術為：超聲波、激光、機器視覺的測距。超聲波的測距方法主要是根據超聲波的傳輸時間進行判斷，對目標的障礙物進行測量，這種方式計算原理較為簡單和便捷，且成本較低，能夠較高程度的對目標距離進行測量，激光的測距方式主要是通過一種儀器，將光子雷達系統運用其中，對目標范圍進行測量，主要可以分為成像式和非成像式兩種方式，其具有測量范圍廣泛和準確度較高等優勢。成像式激光測距方式主要是通過掃描的機器對激光發射的方向進行控制，通過對整個環境的掃描和分析從而得到目標的三維立體數據;非成像激光測距方式主要是根據光速的傳播時間和速度來確認與目標之間的距離。機器視覺下進行測量距離主要是單目的測距和雙目的測距。單目測距的方式在成本上具有一定的優勢，但是在精準度上弱于雙目的測距。

2.3 計算機視覺在駕駛狀態檢測中的應用

汽車安全輔助駕駛技術主要是指通過安裝智能的安全檢測系統對汽車駕駛起到安全輔助的作用。智能安全檢測系統主要是通過科學技術的感應裝置和智能檢測對汽車的駕駛途中的運行狀態進行分析，系統通過檢測對行駛中產生的意外問題進行及時有效的報警，比如汽車出現意外性的偏移、行駛途中與附近的車輛距離過近、周圍有危險的障礙物等情況。采用警報的方式提醒駕駛員，在情況焦急和危險時，有效的采用智能的解決措施對汽車進行部分合理的控制，降低事故的發生概率。目前對于智能汽車安全輔助駕駛中，對于車道偏移安全區域、智能控制距離和周圍障礙物的檢測評估，以及對駕駛員的行駛狀態辨別和車速的控制管理等。在采用計算機視覺技術之前，汽車安全駕駛輔助系統主要是通過對駕駛的狀態進行智能檢測，但是具有一定的局限性和不準確，只是單純的停留在對參照物的反應，比如在對汽車行駛的路程偏移、駕駛的時間計算和遇到障礙物的反映情況等。沒有準確高效的判斷系統和程序對駕駛員的駕駛狀態進行檢測。

計算機視覺的采用能夠高效的對駕駛員的監測狀態進行控制，通過對駕駛員的駕駛狀態的面部狀態進行智能和高效的識別，分析和判斷駕駛員的行駛狀態，確認是否存在疲勞駕駛和酒后駕駛等不安全駕駛行為。計算機視覺下汽車安全輔助技術能夠有效的提高駕駛的安全性，通過對人體的行為和面部表情的控制和分析，使駕駛員的智能判斷得到提升，使汽車輔助安全技術在駕駛中發揮作用和效果。

3 結束語

綜上所述，計算機視覺技術可以通過智能安全輔助系統對駕駛員的駕駛狀態進行智能判斷和分析，通過實踐和數據分析的方式，可以及時高效的判斷駕駛員的行駛狀態和面部特征，提前做好預防措施，降低交通事故的出現和發生率，提高汽車安全輔助駕駛技術的高效性和穩定性。

參考文獻：

[1]吳軍偉.汽車智能輔助駕駛系統的市場分析與展望[J].現代營銷（創富信息版），2018（10）：64.

[2]趙曉函，張漢超.汽車安全輔助駕駛系統設計[J].電子技術，2018，47（7）：73-75.

[3]楊希.基于機器視覺的汽車安全輔助駕駛系統研究[D].華東交通大學，2018.

[4]徐栩娟，劉述民.計算機技術在立體視覺行人檢測系統中的研究[J].科技廣場，2017（5）：42-44.