车辆行驶过程中对人物进行识别的系统的制作方法
【技术领域】
[0001] 本发明设及汽车安全领域，具体地，设及一种车辆行驶过程中对人物进行识别的 系统。
【背景技术】
[0002] 汽车有如下定义：由动力驱动，具有4个或4个W上车轮的非轨道承载的车辆，主 要用于：载运人员和或货物；牵引载运人员或货物的车辆；特殊用途。1879年，德国工程师 卡尔.本茨，首次试验成功一台二冲程试验性发动机。1883年10月，他创立了 "本茨公司 和莱茵煤气发动机厂"，1885年，他在曼海姆制成了第一辆本茨专利机动车，该车为Ξ轮汽 车，采用一台二冲程单缸0. 9马力的汽油机，此车具备了现代汽车的一些基本特点，如火花 点火、水冷循环、钢管车架、钢板弹黃悬架、后轮驱动前轮转向和制动手把等。1886年的1月 29日，德国工程师卡尔·本茨为其机动车申请了专利。同年11月，卡尔?本茨的Ξ轮机动 车获得了德意志专利权。运就是公认的世界上第一辆现代汽车。由于上述原因，人们一般 都把1886年作为汽车元年，也有些学者把卡尔?本茨制成第一辆Ξ轮汽车之年即1885年， 视为汽车诞生年。1885年是汽车发明取得决定性突破的一年。当时和戴姆勒在同一工厂的 本茨，也在研究汽车。他在1885年几乎与戴姆勒同时制成了汽油发动机，装在汽车上，W每 小时12公里的速度行驶，获得成功。运一年，英国的己特勒也发明了装有汽油发动机的汽 车。此外，意大利的贝尔纳也发明了汽车，俄国的普奇洛夫和伏洛波夫两人发明了装有内燃 机的汽车。W前中国没有汽车制造业。中国±地上第一辆汽车是1903年输入的美国产奥 斯莫比尔牌小汽车，领得第一号汽车行驶牌证，其所有者为上海富翁。自1953年7月第一 汽车制造厂动工兴建，1956年7月投产，1957年7月13日我国生产出第一辆载货的解放牌 汽车，又于1958年5月，我国第一汽车制造厂自行研制设计生产了第一辆与当时政治风云 起伏颠鑛、荣辱与共的红旗牌乘用车，被誉为"东方神韵"。几十年来，我国汽车工业得到了 快速的发展。特别是改革开放W来，汽车生产采用了各种高科技及人性化的安全及便利设 施，汲国外汽车科研之精华。不仅秉乘了传统的坚固造型，更具时尚汽车的柔媚风貌，线条 流杨，驾乘舒适的"座驾"新宠不断诞生。2001年底，中国正式加入了世贸组织，W此为契机， 中国汽车产业迎来了一个新的高速发展时期。2009年，中国汽车产销分别为1379. 10万辆 和1364. 48万辆，一举超越美国，称为世界第一汽车产销大国。2012年中国汽车全年产销分 别为1927. 18万辆和1930. 64万辆，连续四年赠联世界第一。进经过十年高速发展之后，中 国自主品牌乘用车技术得到了长足的发展。2013年上半年先后上市的一汽红旗、北汽绅宝、 长安眷鸦、吉利帝豪、比亚迪思锐及此前已经先后上市的上汽荣威、广汽传棋等为代表的自 主品牌高端乘用车向合资品牌发起集团式冲锋，将逐步改写自主品牌乘用车只能在中低端 抢占市场的现状。现代汽车种类繁多，人们在驾驶汽车行驶过程中，由于车辆行驶速度或者 道路环境限制，无法对路边行人进行识别，造成意外发生。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种车辆行驶过程中对人物进行识别的系统， 该系统能够准确地自动识别人物，便于驾驶者能够进行采取措施，减少用于车辆行驶速度 或者道路环境限制无法看清人物引发安全事故的问题，保证了行驶的安全。
[0004] 本发明解决上述问题所采用的技术方案是：车辆行驶过程中对人物进行识别的系 统，包括W下步骤：
[0005] (1)获取背景图像：利用运动目标运行一段时间的序列图像进行平均而得到背景 图像：
[0006]
[0007]B(x，y)表示背景图像，Ii(x，y)表示第i帖序列图像在象素点（x，y)的灰度值，N 表示帖数；
[000引 似获取前景图像： 阳009] Mi(x,y) =Ii(x,γ)-Β；(χ,y)
[0010] 其中Ii(X，y)表示第i帖视频图像象素点为（X，y)位置的象素灰度值，Bi(X，y)表 示背景图像，Mi(X，y)为前景图像，即一幅图像由前景图像和背景图像组成视频背景图像定 义为视频中对象固定不变的场景物体和目标，而视频前景看作为由移动目标构成的图像； W11] 做行人特征获取：
[0012] 有限混合模型是一种混合统计的建模工具，它表示为： 阳 01引 f狂i| 目）=JIlN狂1，μι，Ρι)+...+3?ηΝ狂1，ym，Pm) 阳014] 式中，Z= {Zi}，i= 1，......，η表示观测数据，θ是参数集，表示如下几个参数：高 斯混合权重^1，……，Jim,高斯均值μι,……，μ。和高斯协方差阵Pi，……Pm,从观测数 据中计算权重，均值和协方差3类混合参数，由于行人个数位置未知，运意味着混合分布个 数m是未知的，为此，引入贝叶斯信息准则来计算高斯混合分布元个数，该准则表示为： 阳01 引 BIC(m) = -2L(目IZ)+mln(η)
[0016] 式中，m是分布元个数，L(.)是参数似然函数；
[0017] (4)行人检测与计算方法：
[0018] 通过背景消减获得的提取行人图像，然后应用基于BIC准则和Gibbs采样的有限 混合模型无监督学习算法，采用matl油程序算法，调整权重，进行无监督学习，然后根据W 下两个判断是否为人形：
[0019] (A)权重31是否大于阔值权重，若小于，则判定为干扰，舍去；
[0020] 做学习后楠圆形长轴和短轴的比值，是否在所定义的范围内，并且计算长轴与Y 方向，即纵向夹角，判断该角是否小于定义的阔值范围。
[0021] 综上，本发明的有益效果是：该系统能够准确地自动识别人物，便于驾驶者能够 进行采取措施，减少用于车辆行驶速度或者道路环境限制无法看清人物引发安全事故的问 题，保证了行驶的安全。
【具体实施方式】
[0022]下面结合实施例，对本发明作进一步地的详细说明，但本发明的实施方式不限于 此。 阳〇2引实施例：
[0024] 车辆行驶过程中对人物进行识别的系统，包括W下步骤：
[0025] (1)获取背景图像：利用运动目标运行一段时间的序列图像进行平均而得到背景 图像：
[0026]
[0027]B(x，y)表示背景图像，Ii(x，y)表示第i帖序列图像在象素点（x，y)的灰度值，N表示帖数； 阳〇2引 似获取前景图像： 阳0巧]Mi(X，y) =li(X，y)-Bi(X，y)
[0030] 其中Ii(X，y)表示第i帖视频图像象素点为（X，y)位置的象素灰度值，Bi(X，y)表 示背景图像，Mi(X，y)为前景图像，即一幅图像由前景图像和背景图像组成视频背景图像定 义为视频中对象固定不变的场景物体和目标，而视频前景看作为由移动目标构成的图像；
[0031] (3)行人特征获取：
[0032] 有限混合模型是一种混合统计的建模工具，它表示为： 阳03引 f狂1I Θ ) = 31 iN狂1，μ 1，Pi) +. . . + 31 mN狂1，μ m，Pm) 阳034] 式中，z= {Zi}，i= 1，......，n表示观测数据，Θ是参数集，表示如下几个参数：高 斯混合权重^1，……，Jim,高斯均值μι,……，μ。和高斯协方差阵Pi，……Pm,从观测数 据中计算权重，均值和协方差3类混合参数，由于行人个数位置未知，运意味着混合分布个 数m是未知的，为此，引入贝叶斯信息准则来计算高斯混合分布元个数，该准则表示为：
[0035] BIC(m) = -2L(ΘIZ)+mln(η)
[0036] 式中，m是分布元个数，L(.)是参数似然函数；
[0037] (4)行人检测与计算方法：
[0038] 通过背景消减获得的提取行人图像，然后应用基于BIC准则和Gibbs采样的有限 混合模型无监督学习算法，采用matl油程序算法，调整权重，进行无监督学习，然后根据W 下两个判断是否为人形：
[0039] (A)权重31是否大于阔值权重，若小于，则判定为干扰，舍去；
[0040] 度）学习后楠圆形长轴和短轴的比值，是否在所定义的范围内，并且计算长轴与Y 方向，即纵向夹角，判断该角是否小于定义的阔值范围。
[0041] 本方案根据人物外形特征计算参数，运用算法公式得到准确的人物信息，帮助驾 驶员识别。
[0042] 该系统能够准确地自动识别人物，便于驾驶者能够进行采取措施，减少用于车辆 行驶速度或者道路环境限制无法看清人物引发安全事故的问题，保证了行驶的安全。
[0043]W上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依 据本发明的技术、方法实质上对W上实施例所作的任何简单修改、等同变化，均落入本发明 的保护范围之内。
【主权项】
1.车辆行驶过程中对人物进行识别的系统，其特征在于，包括以下步骤： (1) 获取背景图像：利用运动目标运行一段时间的序列图像进行平均而得到背景图 像：B(x，y)表示背景图像，表示第i帧序列图像在象素点（x，y)的灰度值，N表示 帧数； (2) 获取前景图像：其中Ux，y)表示第i帧视频图像象素点为（x，y)位置的象素灰度值，Bj^y)表示背 景图像，Mi (X，y)为前景图像，即一幅图像由前景图像和背景图像组成视频背景图像定义为 视频中对象固定不变的场景物体和目标，而视频前景看作为由移动目标构成的图像； (3) 行人特征获取： 有限混合模型是一种混合统计的建模工具，它表示为：式中，z = {zj, i = 1，......，η表示观测数据，Θ是参数集，表示如下几个参数：高斯 混合权重π i，......，πη，高斯均值μ1;......，μ "和高斯协方差阵Ρ ^......Ρη，从观测数据 中计算权重，均值和协方差3类混合参数，由于行人个数位置未知，这意味着混合分布个数 m是未知的，为此，引入贝叶斯信息准则来计算高斯混合分布元个数，该准则表示为： BIC(m) =-2L(9 |z)+mln(n) 式中，m是分布元个数，L(.)是参数似然函数； (4) 行人检测与计算方法： 通过背景消减获得的提取行人图像，然后应用基于BIC准则和Gibbs采样的有限混合 模型无监督学习算法，采用matlab程序算法，调整权重，进行无监督学习，然后根据以下两 个判断是否为人形： (A) 权重π是否大于阈值权重，若小于，则判定为干扰，舍去； (B) 学习后椭圆形长轴和短轴的比值，是否在所定义的范围内，并且计算长轴与Y方 向，即纵向夹角，判断该角是否小于定义的阈值范围。
【专利摘要】本发明公开了车辆行驶过程中对人物进行识别的系统，包括以下步骤：获取背景图像、获取前景图像、行人特征获取，行人检测与计算方法。该系统能够准确地自动识别人物，便于驾驶者能够进行采取措施，减少用于车辆行驶速度或者道路环境限制无法看清人物引发安全事故的问题，保证了行驶的安全。
【IPC分类】G06K9/00, G06T7/00
【公开号】CN105279491
【申请号】CN201510689906
【发明人】代膨岭
【申请人】四川膨旭科技有限公司
【公开日】2016年1月27日
【申请日】2015年10月22日