【技术实现步骤摘要】
本专利技术涉及车辆检测方法及电子设备。
技术介绍
1、随着互联网的开放及与位置数据有关的法律的整顿，基于位置的服务(locationbased service，lbs)相关产业变得活跃。作为基于位置的服务的一个领域，测量安装有设备的车辆等的当前位置或者向目的地引导移动路线的车辆用导航相关产业变得活跃，与此同时，在发生事故或事件的情况下，为了掌握事故发生原因，记录车辆的运行影像的车辆用黑匣子产业也变得活跃，安装有车辆用数码录影机(digital video recorder)或仪表板摄像头(dashboard camera)的车辆逐渐增多。
2、最近，除路线引导和拍摄行驶影像的主要功能之外，开发了以多种影像处理技术为基础用于辅助驾驶人员的行驶应用技术，具体而言，开发及适用了对通过设置于车辆的多种传感器获取的影像进行分析并检测影像内的多个对象来判断与行驶有关的信息并向驾驶人员提供先进的驾驶人员辅助系统(adas，advanced driver assistance system)。
3、在先进驾驶辅助系统的情况下，按多种情况，向驾驶人员提供引导信息，作为其中的一个，开发并适用了以识别前方的车辆并维持与前方车辆的适当安全距离的方式提供引导信息的前方车辆碰撞警告系统(fvcws，forward vehicle collision warning system)。
4、例如，前方车辆碰撞警告系统可预先把握在自己的车辆运行过程中，与前方车辆的距离变成规定距离以内而存在碰撞危险性、在自己的车辆维持当前速度的
5、因此，为了提高这种技术的准确度，需要从所拍摄的行驶影像准确地检测前方车辆。
技术实现思路
1、本专利技术的目的在于，提供稳定且准确地检测前方车辆的方法。进而，本专利技术的目的在于，提供可以通过所检测的前方车辆支援安全驾驶的电子设备及电子设备的前方碰撞引导方法。
2、用于解决所述技术问题的本专利技术一实施例车辆检测方法包括：接收连续拍摄的前方图像的步骤；在所述前方图像中基于在之前图像中检测的车辆的位置或车辆区域来设定目标图像内所述车辆的搜索区域的步骤；在所述搜索区域中根据机器学习模型来检测所述车辆的步骤；以及根据基于所述机器学习模型的车辆检测结果并利用在所述之前图像中提取的车辆的特征点来在所述目标图像追踪所述车辆的步骤。
3、优选地，所述搜索区域以在所述之前图像中检测的车辆区域为基准扩大设定。
4、优选地，所述搜索区域根据所述检测的车辆的大小扩大设定。
5、优选地，在所述追踪步骤中，从在所述之前图像中检测的车辆区域中提取所述车辆的特征点来追踪所述车辆。
6、优选地，在基于所述机器学习模型的车辆检测失败或者所检测的车辆的可靠性为基准以下的情况下，利用所提取的所述车辆的特征点来在所述目标图像追踪所述车辆的位置。
7、优选地，在所述追踪步骤中，与所述检测步骤的车辆检测并行追踪所述车辆，在基于所述检测步骤的机器学习模型的车辆检测成功或所检测的车辆的可靠性为基准以上的情况下，结束所述车辆的追踪。
8、优选地，所述车辆检测方法还包括根据预先确定的用户界面显示所述检测或所述追踪的车辆的步骤。
9、优选地，在所述显示步骤中，根据预先确定的用户界面显示基于所述车辆的前方碰撞相关提醒。
10、优选地，所述检测步骤还包括从多个之前图像获取所述车辆的特征点的移动向量，以所述移动向量和所述搜索区域为基础来生成修改搜索区域的步骤，所述车辆检测方法包括在所述修改搜索区域中根据机器学习模型来检测所述车辆的步骤。
11、优选地，所述移动向量以表现多个之前图像各自的所述车辆的特征点的多个位置的关系为基础生成。
12、优选地，所述修改搜索区域的中心位置以所述搜索区域的中心位置和所述移动向量为基础确定，所述修改搜索区域的宽度以所述移动向量的方向或大小为基础确定。
13、用于解决所述技术问题的本专利技术一实施例车辆检测装置包括：影像输入部，用于接收连续拍摄的前方图像；区域设定部，在所述前方图像中，基于在之前图像中检测的车辆的位置或车辆区域来设定目标图像内所述车辆的搜索区域；车辆检测部，根据机器学习模型，在所述搜索区域中检测所述车辆；以及车辆追踪部，根据基于所述机器学习模型的车辆检测结果，利用在所述之前图像中提取的车辆的特征点来在所述目标图像追踪所述车辆。
14、优选地，所述搜索区域以在所述之前图像中检测的车辆区域为基准扩大设定。
15、优选地，所述搜索区域根据所述检测的车辆的大小扩大设定。
16、优选地，所述车辆追踪部从在所述之前图像中检测的车辆区域中提取所述车辆的特征点来追踪所述车辆。
17、优选地，在基于所述机器学习模型的车辆检测失败或者所检测的车辆的可靠性为基准以下的情况下，所述车辆追踪部利用所提取的所述车辆的特征点来在所述目标图像追踪所述车辆的位置。
18、优选地，所述车辆追踪部与所述检测步骤的车辆检测并行追踪所述车辆，在基于所述检测步骤的机器学习模型的车辆检测成功或所检测的车辆的可靠性为基准以上的情况下，结束所述车辆的追踪。
19、优选地，所述车辆检测装置还包括根据预先确定的用户界面显示所述检测的或所述追踪的车辆的输出部。
20、优选地，所述输出部根据预先确定的用户界面显示基于所述车辆的前方碰撞相关提醒。
21、用于解决所述技术问题的本专利技术一实施例车辆碰撞警告方法包括：接收连续拍摄的前方图像的步骤；在所述前方图像中基于在之前图像中检测的车辆的位置或车辆区域来设定目标图像内所述车辆的搜索区域的步骤；在所述搜索区域中根据机器学习模型来检测所述车辆的步骤；根据基于所述机器学习模型的车辆检测结果并利用在所述之前图像中提取的车辆的特征点来在所述目标图像追踪所述车辆的步骤；以及根据与所述检测或追踪的车辆的距离及相对速度判断碰撞可能性的步骤。
22、本专利技术的问题的解决方案并不局限于所述解决方案，本专利技术所属
的普通技术人员可以明确理解未提及的解决方案能够从本说明书及附图导出。
23、专利技术效果
24、根据本专利技术，本专利技术并不将影像整体用为车辆检测区域，因此，处理速度变快，并且可以不间断地连续呈现由增强现实导航中追踪的前方车辆，从而可以向用户提供稳定的服务。
25、并且，可适用于智能型驾驶人员辅助系统(advanced driving assistancesystem)的前方车辆碰撞警告系统，提高利用所学习的车辆信息来检测前方车辆的基于机器学习的车辆检测及追踪的处理速度。
本文档来自技高网...【技术保护点】
1.一种车辆检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分类器是使用分为一般车辆和大型车辆的数据学习的。
3.根据权利要求1所述的方法，其特征在于，所述分类器仅学习尾灯侧的图像，而并非车辆整体图像。
4.根据权利要求1所述的方法，其特征在于，所述分类器包括：
5.根据权利要求4所述的方法，其特征在于，所述分类器进一步包括：
6.根据权利要求5所述的方法，其特征在于，所述检测包括：
7.根据权利要求5所述的方法，其特征在于，所述追踪包括：
8.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
9.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
10.根据权利要求1所述的方法，其特征在于，输出包括：
11.一种车辆检测装置，其特征在于，包括：
12.根据权利要求11所述的车辆检测装置，其特征在于，所述分类器是使用分为一般车辆和大型车辆的数据学习的。
13.根据权利要求11所述的车辆检测装置
14.根据权利要求11所述的车辆检测装置，其特征在于，所述分类器包括：
15.根据权利要求14所述的车辆检测装置，其特征在于，所述分类器进一步包括：
16.根据权利要求15所述的车辆检测装置，其特征在于，所述处理器被配置为：
17.根据权利要求15所述的车辆检测装置，其特征在于，所述处理器被配置为：
18.根据权利要求11所述的车辆检测装置，其特征在于，所述处理器被配置为：
19.根据权利要求11所述的车辆检测装置，其特征在于，所述车辆检测装置进一步包括：
20.一种非暂时性计算机可读存储介质，包含指令，当由一个或多个处理器执行时，所述指令使所述一个或多个处理器执行车辆检测方法，所述方法包括：
...【技术特征摘要】
1.一种车辆检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分类器是使用分为一般车辆和大型车辆的数据学习的。
3.根据权利要求1所述的方法，其特征在于，所述分类器仅学习尾灯侧的图像，而并非车辆整体图像。
4.根据权利要求1所述的方法，其特征在于，所述分类器包括：
5.根据权利要求4所述的方法，其特征在于，所述分类器进一步包括：
6.根据权利要求5所述的方法，其特征在于，所述检测包括：
7.根据权利要求5所述的方法，其特征在于，所述追踪包括：
8.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
9.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
10.根据权利要求1所述的方法，其特征在于，输出包括：
11.一种车辆检测装置，其特征在于，包括：
12.根据权利要求11所述的车辆检测装...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。