案做出相应的调节。
[0048]2:行驶状态检测
[0049]通过多种外设设备(包含陀螺仪，方向盘转向传感器，摄像头)信息综合判断汽车的行驶状态；如果是倒车状态，进入步骤3，如果检测结果是行驶状态，则进入步骤4。
[0050]3:倒车过程的智能调整
[0051]在倒车时，需要通过图像处理方法为驾驶员提供全景成像，同时对人眼视野区域进行检测，微调后视镜，将视野调至后视镜中央。
[0052]4:行驶状态的智能调整
[0053]在行驶状态，本方法通过前行参数，智能调节后视镜，保证驾驶员的盲区最小；同时要对人眼进行检测，将视野调至后视镜中央；最后，系统需要对驾驶员进行疲劳检测，一旦检测到驾驶员处于疲劳状态，需要及时预警。
[0054]以下对过程步骤进行具体说明:
[0055]后视镜微调硬件设计模块
[0056]如图2所示，转向电机采用TI公司的低功耗MSP430单片机控制(MSP430单片机:也称为混合信号处理器，是由于其针对实际应用需求，将多个不同功能的模拟电路、数字电路模块和微处理器集成在一个芯片上，以提供“单片机”解决方案。该系列单片机多应用于需要电池供电的便携式仪器仪表中)，控制芯片接收到主控板控制信号，两者通过I2C相互通信(I2C通信:I2C总线是为了简化电路设计所开发的一种用于内部IC连接的简单双向串行数据总线，实现了两个IC之间的控制信号与数据的传输)，单片机接收主控板的电机转向信号，并向主控板反馈电机状态信号，为实现电机的精准转动，在电机与单片之间也加入了转向角度反馈。
[0057]汽车行驶状态获取
[0058]图3所示，通过陀螺仪(用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置)与六轴加速度传感器，获得当前汽车的左右的水平倾角，以及在转向过程中的倾斜状态，与方向盘转向传感器获得的数据相结合，获得当前汽车的行驶状态。陀螺仪与六轴加速度传感器和主控板之间的通信均使用I2C方式。
[0059]视野微调与疲劳预警
[0060]图4所示，首先通过中间的摄像头观测驾驶员是否出现斜视，若出现斜视，主控板通过获取左右后视镜上摄像头的图像，运用CNN算法，CNN细胞神经网络适于图像处理的特性及其芯片高速运算的能力能为解决这个问题提供有力的帮助。如今视频数据量日益膨胀，视频处理的实时性要求越来越高，采用CNN的相关算法和硬件是解决这些问题的有效方案，基于CNN的视频分割算法的研宄具有广泛的应用前景。实现的方法为:需要使用差分方程来近似于CNN方程，从而得到图像变换的二维非线性滤波器，且具有空间不变性。对于图像处理的局部性与全局性，可以通过滤波器的迭代次数η来进行调整。因而对于CNN算法而言，需要设计反馈模板、控制模板与阈值参数。通过学习迭代方式使得CNN网络将输入图像转化为人脸相关的目标图像。计算出人眼注视位置，通过主控板的数据处理模块，得到是否需要对后视镜进行微调，将人眼所看的位置移动到后视镜视野中心。若没有斜视，则实时监控驾驶员是否疲劳驾驶。疲劳驾驶判别主要使用Hausdorff距离方法(Hausdorff距离:量度度量空间中真子集之间的距离，是匹配点特征的一种方法，它不需要建立点之间的一一对应关系，只是计算两个点集之间的相似程度即最大距离，可以有效处理数量多的特征点情况。文中利用空间加权Hausdorff距离，从而实现人脸检测。)，对人脸进行数据分析，得到疲劳预警。
[0061]倒车全景改进
[0062]使用sift特征提取的图像处理方法(Sift特征提取:sift即尺度不变特征转换，用于图像处理领域一种描述子，该算法通过求一幅图中的特征点及其有关尺度系数和梯度方向的描述子得到特征并进行图像特征点匹配。Sift特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。因而根据不同图片sift特征的尺度不变，用于进行图片间的合成处理)，将倒车雷达获得的影像和后视镜拍摄影像进行图像合成，实现全景拍摄，方便驾驶员倒车操作，扩大驾驶员在倒车过程中的视野面积，增加倒车安全系数。对于倒车全景的改进，主要依据于图像的特征提取算法，图5给出特征提取的过程示意图。
[0063]Sift特征提取过程具体如下:首先进行图像尺度空间的构建，通过高斯差分尺度空间(DoG)利用不同尺度的高斯差分核与图像卷积生成，同时可以通过尺度空间分组方法进一步减少运算复杂度；接下来进行空间极值点的检测，为提高运算效率，仅检测空间的局部极值点，从而需要将每一个像素点与周围的邻点进行比较，通过在各个尺度空间组中搜索可以获取一系列局部极值点，从而得到候选的特征点；第三步为极值点的筛选，通过泰勒展开拟合来精确确定特征点的位置与尺度，达到亚像素精度，同时去除对比度低的特征点与不稳定的边缘响应，来增强匹配稳定性，提高抗噪声能力；最后通过得到的特征点计算特征点方向，以关键点为中心，通过直域窗口内采样，方图统计邻域像素的梯度方向，直方图的峰值则代表了关键点处邻域梯度的主方向。通过上述步骤，sift特征提取完成，每个特征点含有三个信息:空域位置、尺度系数与方向系数。
[0064]以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
【主权项】
1.一种基于图像识别的后视镜自适应调节方法，其特征在于，包括步骤如下: 1)开始驾驶阶段 车辆内的摄像头对驾驶员进行人脸识别，通过学习功能调出已有的驾驶员档案或为驾驶员新建一份个人档案，如果已有当前驾驶员档案，后视镜的初始位置会根据档案做出相应的调节； 2)行驶状态检测 通过多种外设设备检测到的信息综合判断汽车的行驶状态；如果是倒车状态，进入步骤3)，如果检测结果是行驶状态，则进入步骤4); 3)倒车过程的智能调整 在倒车时，需要通过图像处理方法为驾驶员提供全景成像，同时对人眼视野区域进行检测，微调后视镜，将视野调至后视镜中央； 4)行驶状态的智能调整 在行驶状态，通过前行参数，智能调节后视镜，保证驾驶员的盲区最小；同时对人眼进行检测，将视野调至后视镜中央；最后，系统需要对驾驶员进行疲劳检测，一旦检测到驾驶员处于疲劳状态，需要及时预警。
2.根据权利要求1所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述外设设备包括用于获得汽车行驶状态的陀螺仪、六轴加速度传感器、方向盘转向传感器以及三个分别位于两个后视镜和方向盘上的摄像头。
3.根据权利要求2所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述陀螺仪、六轴加速度传感器与主控板之间的通信均使用I2C方式。
4.根据权利要求1所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述图像识别主要采取CNN识别算法进行识别。
5.根据权利要求1所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述后视镜通过转向电机控制转向，所述转向电机由低功耗单片机控制，单片机与主控板之间通过I2C通信，单片机接收主控板的电机转向信号，并向主控板反馈电机状态信号。
6.根据权利要求5所述的基于图像识别的后视镜自适应调节方法，其特征在于，为实现电机的精准转动，在转向电机与单片之间加入转向角度的反馈。
7.根据权利要求1所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述步骤3)中，使用sift特征提取的图像处理方法，将倒车雷达获得的影像和后视镜拍摄影像进行图像合成，实现全景拍摄。
8.根据权利要求1所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述步骤4)中，首先通过中间的摄像头观测驾驶员是否出现斜视，若出现斜视，主控板通过获取左右后视镜上摄像头的图像，运用CNN图像处理方法，计算出人眼注视位置，通过主控板的数据处理模块，得到是否需要对后视镜进行微调，将人眼所看的位置移动到后视镜视野中心。若没有斜视，则实时监控驾驶员是否疲劳驾驶。
9.根据权利要求8所述的基于图像识别的后视镜自适应调节方法，其特征在于，所述疲劳驾驶的判别主要使用Hausdorff距离方法，对人脸进行数据分析，得到疲劳预警。
【专利摘要】一种基于图像识别的后视镜自适应调节方法，包括步骤如下：1)开始驾驶阶段，对驾驶员进行人脸识别，通过学习功能调出或建立驾驶员档案，并对后视镜的初始位置根据档案做出相应的调节；2)行驶状态检测，综合判断汽车的行驶状态；如果是倒车状态，进入步骤3)，如果检测结果是行驶状态，则进入步骤4)；3)倒车过程的智能调整；4)行驶状态的智能调整，保证驾驶员的盲区最小；同时对人眼进行检测，对驾驶员进行疲劳检测，并及时预警。本发明方法，更加人性化，智能化和实用化，有效保障了行车安全。
【IPC分类】B60R1-00, B60R16-02, B60R1-06
【公开号】CN104590130
【申请号】CN201510006091
【发明人】赵淼, 张来鹏, 李青, 邱婷, 郑重, 李笑夫, 杨晟
【申请人】上海交通大学
【公开日】2015年5月6日
【申请日】2015年1月6日