于瑛瑛

(煙臺(tái)汽車工程職業(yè)學(xué)院，機(jī)電工程系，山東，煙臺(tái) 265500)

0 引言

車輛在帶給人們出行便利的同時(shí)也引發(fā)了各類安全問(wèn)題，傳統(tǒng)的安全技術(shù)主要是安全氣囊、安全帶等被動(dòng)防護(hù)裝置，不能從根本上解決問(wèn)題，隨著信息技術(shù)的發(fā)展，通過(guò)算法以及數(shù)學(xué)模型可以準(zhǔn)確識(shí)別目標(biāo)車輛，并且可以利用傳感器技術(shù)測(cè)量車輛間距，對(duì)可能產(chǎn)生碰撞的危險(xiǎn)距離進(jìn)行設(shè)置提前預(yù)警。這樣高效實(shí)用的防碰撞預(yù)警系統(tǒng)可以有效的降低事故概率，確保行車安全，具有極大的實(shí)用性。

1 核心技術(shù)及設(shè)備

1.1 Android平臺(tái)

Android平臺(tái)基于Linux內(nèi)核研發(fā)，是針對(duì)移動(dòng)智能設(shè)備的開源操作平臺(tái)，采用分層架構(gòu)，包括豐富的組件庫(kù)，功能完善且簡(jiǎn)單易用，其中核心技術(shù)如下。

(1) C/C++：Android底層庫(kù)由C/C++實(shí)現(xiàn)，可利用C/C++進(jìn)行原生代碼編寫并將庫(kù)文件嵌入到封裝包apk之中。

(2) JNI：在調(diào)用C/C++代碼時(shí)可利用JNI技術(shù)將so文件加載到Android程序，可以說(shuō)JNI是Java和C/C++互相溝通的機(jī)制。

(3) OpenCV：OpenCV是開源的視覺(jué)庫(kù)，提供了Python、MATLAB等多種語(yǔ)言接口，在各個(gè)領(lǐng)域均有所應(yīng)用且效果良好[1]。

1.2 CCD攝像頭

CCD攝像頭屬于光學(xué)傳感器，可將三維空間信息轉(zhuǎn)換為平面信息，對(duì)于復(fù)雜環(huán)境中的環(huán)境感知有良好的應(yīng)用效果。由于車輛行駛速度較高且存在天氣因素影響，綜合考慮反應(yīng)距離、開發(fā)成本以及抗干擾能力，選用易操作易維護(hù)價(jià)格更加優(yōu)惠的CCD攝像頭進(jìn)行圖像采集。

2 基于Hog與Haar特征的車輛識(shí)別算法

2.1 道路圖像優(yōu)化

由于受到攝像設(shè)備、天氣、解碼轉(zhuǎn)換、壓縮及解壓過(guò)程等因素影響，采集到的初始道路圖像會(huì)產(chǎn)生干擾信息。為了避免由于信息模糊或關(guān)鍵部分缺失導(dǎo)致車輛識(shí)別不準(zhǔn)確，需要對(duì)初始圖像進(jìn)行優(yōu)化，提升特征識(shí)別質(zhì)量。

(1) 設(shè)置ROI區(qū)域：采集ROI(region of interest)區(qū)域圖像后不斷排除無(wú)效部分可提升識(shí)別準(zhǔn)確性，根據(jù)車輛防碰撞預(yù)警系統(tǒng)的實(shí)際需要，可將初始道路圖像中的天空、路標(biāo)、路燈等無(wú)效內(nèi)容剔除。

(2) 灰度處理：CCD采集的是彩色畫面，處理時(shí)由于信息多導(dǎo)致計(jì)算效率降低，因此進(jìn)行灰度處理，將繁雜的彩色信息剔除只留下亮度信息。采用加權(quán)平均法對(duì)三原色進(jìn)行賦權(quán)，計(jì)算灰度值：Gray(x,y)=0.213R(x,y)+0.715G(x,y)+0.072B(x,y),其中,Gray(x,y)代表在點(diǎn)(x,y)處的灰度值，R、G、B分別是RGB顏色分量，由于人的眼睛的視覺(jué)細(xì)胞會(huì)綠色受體接收更為敏感，因此G項(xiàng)權(quán)重較高[2]。

2.2 目標(biāo)車輛識(shí)別算法

在防碰撞預(yù)警過(guò)程中，必須先確定目標(biāo)車輛才能進(jìn)行進(jìn)一步的安全距離測(cè)量。目前比較常用的檢測(cè)方法包括利用特征、利用運(yùn)動(dòng)特征以及利用模型。由于目標(biāo)車輛通常處于動(dòng)態(tài)場(chǎng)景而且伴隨著道路環(huán)境的干擾，因此為了排除這些干擾因素準(zhǔn)確識(shí)別目標(biāo)車輛，選擇結(jié)合Hog特征與Haar特征進(jìn)行車輛分類器訓(xùn)練。首先，對(duì)車輛圖像的正負(fù)樣本進(jìn)行灰度處理及降噪處理；其次，利用Hog特征與Haar特征分別進(jìn)行分類器訓(xùn)練；再次，為了提升車輛識(shí)別準(zhǔn)確率，將分類器進(jìn)行級(jí)聯(lián)形成強(qiáng)分類器；最后，完成目標(biāo)車輛識(shí)別[3]。整體的目標(biāo)車輛識(shí)別算法流程如圖1所示。

圖1 目標(biāo)車輛識(shí)別算法

Hog特征也稱作方向梯度直方圖，提取特征的方法即實(shí)現(xiàn)R=G=B，利用γ校正法調(diào)整圖像對(duì)比度，降低噪聲、環(huán)境等客觀因素的影響。先將圖像分割為Cell單元獲取局部特征向量，將單元格組合為block，在塊內(nèi)進(jìn)行梯度直方圖歸一化處理獲取Hog特征向量。汽車的外部輪廓大致可看做正方形，可基于此限定像素尺寸。設(shè)定block為16×16，window為64×64，cell為4×4，步長(zhǎng)在x方向及y方向均設(shè)置為8，利用如下公式計(jì)算整體Hog特征維度：

提取所有圖像特征之后，采用SVM進(jìn)行訓(xùn)練，將是車輛的正樣本標(biāo)記為1，非車輛的其他類型的負(fù)樣本標(biāo)記為-1。

由于只參考Hog特征可能存在漏檢情況，因此引入級(jí)聯(lián)檢測(cè)方法如圖2所示。利用Haar特征反應(yīng)圖像的灰度值變化，對(duì)于提取到的正樣本和負(fù)樣本提取Haar特征并不斷調(diào)整權(quán)重，最終由多個(gè)弱分類器組建為強(qiáng)分類器，通過(guò)所有級(jí)聯(lián)的分類器判定之后才輸出最終結(jié)果[4]。

圖2 級(jí)聯(lián)分類器組成

3 基于單目視覺(jué)技術(shù)的安全距離測(cè)算及預(yù)警模型

3.1 車輛間距測(cè)算

在識(shí)別出前方車輛之后，還需測(cè)算其與自身車輛的距離，并根據(jù)駕駛員反應(yīng)以及剎車所需距離進(jìn)行比較，以此判斷是否需要預(yù)警。距離的測(cè)算可以采用深度圖中的像素值來(lái)表示，最常使用的方法是單目視覺(jué)技術(shù)，主要包括主動(dòng)與被動(dòng)兩種類型，兩者的區(qū)別在于測(cè)距時(shí)光照是都由車輛自身提供。鑒于車輛防碰撞系統(tǒng)的實(shí)際需要，采用被動(dòng)測(cè)距方法，測(cè)算模型如圖3所示。設(shè)l代表三維空間，W代表降維后的二維空間，測(cè)距即可看作是利用W={u，v}的數(shù)據(jù)計(jì)算l={x，y，z}中的平面S={(x，y，o)∈W}的數(shù)據(jù)[5]。

(a)

3.2 安全距離計(jì)算

在駕駛過(guò)程中為了避免碰撞需要與前方車輛保持安全距離，即預(yù)警系統(tǒng)發(fā)出警示的合理閾值，其中包括駕駛員的反應(yīng)距離以及減速剎車所需距離兩個(gè)方面[6]。

(1) 反應(yīng)距離：反應(yīng)距離與反應(yīng)時(shí)間和行駛速率有關(guān)，設(shè)dr為反應(yīng)距離，tr為反應(yīng)時(shí)間，v為速率，則在車速為常數(shù)的假設(shè)下，dr=tr×v，dr與v存在比例關(guān)系dr∝v。

3.3 多級(jí)預(yù)警機(jī)制

安全距離的計(jì)算其實(shí)是針對(duì)極端情況下的測(cè)算，在實(shí)際駕駛過(guò)程中不能完全接近安全距離才減速，為了確保人車安全，防碰撞預(yù)警系統(tǒng)的預(yù)警機(jī)制應(yīng)更加靈活，在復(fù)雜的行車環(huán)境中預(yù)留充足的時(shí)間與距離[5]。因此設(shè)置了多級(jí)預(yù)警機(jī)制。

(1) 一般預(yù)警：距離足夠駕駛員反應(yīng)并采取措施，提示一般預(yù)警。

(2) 重要預(yù)警：距離逐步接近，存在碰撞風(fēng)險(xiǎn)，提示重要預(yù)警。

(3) 嚴(yán)重預(yù)警：距離已經(jīng)達(dá)到最小碰撞范圍，很大可能發(fā)生碰撞，提示嚴(yán)重預(yù)警[7]。

4 防碰撞預(yù)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

4.1 整體結(jié)構(gòu)

車輛防碰撞預(yù)警系統(tǒng)的核心功能是根據(jù)測(cè)算的車輛間距離與安全距離進(jìn)行比較，在不同的危險(xiǎn)范圍發(fā)出不同級(jí)別的預(yù)警提醒駕駛員采取減速剎車措施。在整體結(jié)構(gòu)上包括圖像采集、車輛識(shí)別、防碰撞預(yù)警3個(gè)部分，如圖4所示。將各模塊的算法移植到Android平臺(tái)，利用Java代碼通過(guò)JNI調(diào)用C/C++庫(kù)，合成apk安裝包。

圖4 系統(tǒng)整體結(jié)構(gòu)

4.2 圖像采集模塊

采用Android Camera 2組件，支持對(duì)每一幀圖像的參數(shù)實(shí)現(xiàn)手動(dòng)控制，圖片格式更多元，且具備高速連拍功能。利用管道的方式連接App與底層Camera，App發(fā)送CaptureRequest，CameraDevices接收后返回到Surface，在ImageReader進(jìn)行保存，利用JNI調(diào)用相關(guān)算法，將信息轉(zhuǎn)換后的int[]數(shù)組作為參數(shù)傳遞到C/C++層[8]。

4.3 車輛識(shí)別模塊

在Android系統(tǒng)中，SurfaceView的UI可實(shí)現(xiàn)在獨(dú)立的線程中繪制任務(wù)，可確保主線資源完整，因此在車輛識(shí)別模塊，根據(jù)識(shí)別區(qū)域返回對(duì)應(yīng)坐標(biāo)后選用SurfaceView類用矩形框標(biāo)記目標(biāo)車輛，每隔5～20 ms刷新繪制圖像，識(shí)別目標(biāo)車輛為后續(xù)測(cè)距做準(zhǔn)備。

4.4 防碰撞預(yù)警模塊

根據(jù)SurfaceView標(biāo)記出跟車距離，結(jié)合多級(jí)預(yù)警機(jī)制，與每一級(jí)別的安全距離進(jìn)行比較與計(jì)算，達(dá)到危險(xiǎn)范圍，則出發(fā)Android中的MediaPlayer類，利用void start()播放對(duì)應(yīng)的預(yù)警音頻，播放完畢之后利用setOnCompletionListener()實(shí)現(xiàn)回調(diào)，實(shí)時(shí)監(jiān)測(cè)是否需要預(yù)警[9]。

5 系統(tǒng)測(cè)試

5.1 功能測(cè)試

5.1.1 車輛識(shí)別效果

為了驗(yàn)證系統(tǒng)對(duì)前方車輛的識(shí)別情況，選取UAS數(shù)據(jù)集中晴天、黃昏、夜間不同天氣狀況下的5 561張道路圖像進(jìn)行測(cè)試與驗(yàn)證，識(shí)別結(jié)果如表1所示。

表1 不同天氣狀況下車輛識(shí)別結(jié)果

由表1可知，整體車輛識(shí)別準(zhǔn)確率較高，其中黃昏和夜間由于環(huán)境因素影響導(dǎo)致圖像亮度不高，在處理過(guò)程中部分細(xì)節(jié)比較模糊，因此識(shí)別準(zhǔn)確率要比晴天時(shí)要低[10]。

5.1.2 防碰撞預(yù)警效果

實(shí)際場(chǎng)景中駕駛員通常會(huì)與前車保持較遠(yuǎn)跟車距離，因此系統(tǒng)針對(duì)不同的危險(xiǎn)距離設(shè)置了多級(jí)預(yù)警機(jī)制。為了驗(yàn)證系統(tǒng)對(duì)車輛的防碰撞預(yù)警效果，借鑒正常情況下駕駛員反應(yīng)距離以及剎車距離，基于不同的行駛速度分別設(shè)置了多級(jí)危險(xiǎn)距離劃分。通常在城市中車輛行駛速度一般在50～80 km/h之間，因此選擇50、60、70 km/h作為實(shí)驗(yàn)速度，根據(jù)正常剎車情況設(shè)置危險(xiǎn)距離如表2所示。

表2 多級(jí)實(shí)驗(yàn)危險(xiǎn)距離劃定

由表2可知，針對(duì)不同危險(xiǎn)距離設(shè)置不同級(jí)別預(yù)警可以讓系統(tǒng)預(yù)警更加靈活，在復(fù)雜的實(shí)際行車環(huán)境中減少不必要的告警。經(jīng)過(guò)測(cè)試，系統(tǒng)在3個(gè)級(jí)別的危險(xiǎn)距離內(nèi)均可以準(zhǔn)確播放預(yù)警音頻。以50 km/h為例，在車輛間距為45 m時(shí)，系統(tǒng)發(fā)出一般預(yù)警；在車輛間距達(dá)到30 m時(shí)，系統(tǒng)發(fā)出重要預(yù)警；車輛間距為15 m時(shí)，系統(tǒng)發(fā)出驗(yàn)證預(yù)警。當(dāng)危險(xiǎn)距離在臨界值間切換時(shí)，由于系統(tǒng)處理耗時(shí)需要4 ms左右，因此預(yù)警時(shí)間會(huì)有所延遲，預(yù)警距離會(huì)出現(xiàn)0.06 m左右的誤差但仍在安全距離內(nèi)。從整體上來(lái)講系統(tǒng)預(yù)警效果良好，滿足實(shí)際車輛防碰撞預(yù)警需求。

5.2 性能測(cè)試

為了驗(yàn)證系統(tǒng)處理效率，將采集到的道路圖像導(dǎo)入系統(tǒng)，記錄經(jīng)過(guò)系統(tǒng)計(jì)算到最終在界面上顯示所需時(shí)長(zhǎng)，共計(jì)導(dǎo)入圖像5 700幀，每幀圖像處理平均耗時(shí)45.72 ms，最長(zhǎng)105.12 ms，最短8.64 ms。由此可見，雖然受各種因素影響個(gè)別圖像處理時(shí)長(zhǎng)偏長(zhǎng)，但整體處理效率很高，系統(tǒng)性能良好。

6 總結(jié)

車輛防碰撞預(yù)警系統(tǒng)通過(guò)CCD攝像頭采集道路圖像，經(jīng)過(guò)圖像優(yōu)化后識(shí)別處目標(biāo)車輛，利用單目視覺(jué)技術(shù)測(cè)算間距，并根據(jù)安全距離制定多級(jí)預(yù)警機(jī)制，經(jīng)過(guò)測(cè)試功能完備，性能良好，具備較高實(shí)用性。但也存在不足，由于行車環(huán)境、駕駛員反應(yīng)速度、路面狀況、不同車型制動(dòng)能力等影響因素眾多，因此系統(tǒng)模型還需進(jìn)一步優(yōu)化，提升魯棒性。