[发明专利]一种基于机器视觉的汽车前向防碰撞预警监测方法

权利要求书

1.一种基于机器视觉的汽车前向防碰撞预警监测方法，其特征在于，包括如下步骤：

步骤1：采集前方车辆图像，每完成一帧图像采集，对该帧图像进行预处理；

步骤2：基于Sobel算子对所述预处理后的图像进行边缘检测；

步骤3：对所述边缘检测后的图像进行车辆识别；

步骤4：获取与所述识别的车辆的距离为：

其中，

q₂＝tan(γ₀)；

式中，H和W为图像的高和宽，h为摄像头相对于地面的安装高度，2α₀为摄像头垂直视野角度，2β₀为摄像头水平视野角度，γ₀为摄像机的俯仰角，q₁,q₂,q₃,q₄,GK分别为参数；

步骤5：当D≤D_S时，D_S为安全距离，此时，车辆与前方汽车的距离低于安全距离，系统预警，所述安全距离满足：

其中，v为车速，k为参数，n为等概率出现的选择对象数，为天气状况且当路面完全结冰时，当下雪时，当正常晴朗天气时，当下雨时，g为重力加速度，e为自然对数的底数，σ为风力等级且σ∈[0,9]，d_s为能见度，d₀为当前车况环境下应当保持的安全距离。

2.如权利要求1所述的基于机器视觉的汽车前向防碰撞预警监测方法，其特征在于，在所述步骤2中，所述边缘检测包括：将图像数据f进行平面卷积，得到横向亮度差分值G_x和纵向亮度差分值G_y，

3.如权利要求2所述的基于机器视觉的汽车前向防碰撞预警监测方法，其特征在于，所述横向亮度差分值G_x和所述纵向亮度差分值G_y分别为：

4.如权利要求1所述的基于机器视觉的汽车前向防碰撞预警监测方法，其特征在于，在所述步骤3中，所述车辆识别包括训练过程和识别过程：基于Haar特征，采用Adaboost算法构建弱分类器，并进行加权线性组合，构建强分类器，进行训练、学习和车辆识别，具体包括：

给定样本图像((x₁,y₁),...,(x_i,y_i),...(x_n,y_n))；其中，x_i为第i个样本，y_i＝0为负样本，y_i＝1为正样本，n为训练样本总数；

分别初始化正负样本权值为其中，n为正样本个数，m为负样本个数；

归一化权值

计算弱分配器的加权误差：

式中，h(x)＝h(x,f,p,θ)为特征f的弱分类器；

获取加权误差最小的弱分类器为最佳弱分配器h_t(x)，

其中，h_t(x)＝h(x,f_t,p_t,θ_t)，f_t、p_t、θ_t使得误差β_t取得最小值；

更新权值：式中，

其中，如果x_i分类正确，则β_i＝0，否则β_i＝1；

将弱分类器加权线性组合得到强分类器：

其中，

5.如权利要求4所述的基于机器视觉的汽车前向防碰撞预警监测方法，其特征在于，在步骤1中，所述图像预处理包括灰度化、图像增强和ROI区域生成。