论文部分内容阅读
智能化是未来汽车的发展方向，而汽车安全则是汽车智能化的核心研究内容，所以能针对潜在的车内车外安全隐患进行事前预警的主动安全系统，是未来智能汽车的核心模块。本研究以图像智能分析为技术手段，针对疲劳驾驶、行人防撞预警、泊车安全三种常见的汽车安全问题展开算法研究和实验，同时以TI达芬奇DSP为平台展开了车载嵌入式装置的设计与开发，把三种主动安全算法在嵌入式装置中运行并进行了实车测试。实验和测试结果表明，三种安全算法及其车载主动安全装置满足了准确率和误检率的各项指标，能够稳定的在实车上运行，实现了主动安全预警的各项功能，达到了基本的功能设计要求，其中针对疲劳驾驶与泊车安全的算法及车载主动安全系统还进行了产业化的初步尝试。 本文在算法研究及工程应用两个层面，针对疲劳驾驶、行人检测、全景辅助泊车的算法及系统实现，展开了相应的研究工作。论文的主要工作以及创新点如下: 1)本文提出了一种基于AdaBoost实时检测人眼状态的算法并应用于车载嵌入式系统，用红外光源和红外摄像头获取驾驶员的视频图像，对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸，然后提取人眼区域并对人眼闭合状态进行判断，基于PERCLOS标准制定了相应的预警机制，对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并在白天和黑夜同时进行了实车测试，达到了大于92％的准确率，小于5％的误检率以及少于1.5s的判断响应时间。实验装置稳定可靠，可全天候包括夜间进行驾驶人疲劳状态的检测; 2)在基于HOG(Histogram of Oriented Gradients)特征的EHOG(Enhanced HOG)特征提出了一种改进的MRLHOG(Multi-resolution-like HOG)特征，在此基础上融合CSS(Color Self-Similarities)特征对行人进行检测，与单纯应用HOG特征相比，MRLHOG及融合特征后的算法针对测试样本库可以提高2～5％的检测率;同时在行人检测阶段提出了可以提高检测实时性的快速窗口扫描(OCS，OperatorContext Scanning)和窗口拆分法，借助OCS和窗口拆分法可以得到一个满足实时性要求的行人检测系统，针对704×576像素的图像达到15fps的帧率，同时保持了检测率大于90％、误检率小于1％的系统参数，使行人检测算法应用到车载实时系统成为可能; 3)本文引入改进的粒子群优化算法来优化全景泊车辅助系统的鱼眼摄像头的参数，所述方法允许内部和外部参数在一定的范围内变动，可以只通过一个参考图像模板即完成所有校准优化，这样就避免在光线不足的情况下手动标定角点或更换参考模板。对比其他参数优化方法，改进的粒子群优化算法是一种高度可操作性的方法，它可以使汽车4S店车间内的安装和校准效率获得有效的提升; 4)本文基于达芬奇DM6437的硬件平台，完成了同一系统软硬件构架下的疲劳驾驶预警、行人防撞预警、全景辅助泊车预警的嵌入式设计，实现了汽车主动安全的三种核心功能，摸索出三款性能稳定、安装调试方便有各自独立功能的车载主动安全装置的系统解决方案，其硬件构架可作为基于图像分析的多种主动安全算法的通用平台。