[发明专利]基于车轮识别的车后盲区监测方法

权利要求书

1.一种基于车轮识别的车后盲区监测方法，其特征在于所述的方法包括如下步骤：

步骤A、通过摄像头采集车后左右两侧的图像，通过Adaboost机器学习的目标检测算法在当前的图像中进行目标识别；所述目标为车轮；

步骤B、在当前的图像中出现目标对象时，则对当前图像的每一帧检测框进行相交面积匹配，当连续两帧的检测框的相交面积大于阈值后，则匹配当前两帧的检测框识别的目标对象是同一个目标对象；

步骤C、当多帧图像的检测结果都是同一个目标对象，并且在当前的图像中连续存在一段时间后，将累加的结果和阈值匹配，如大于阈值后就认为车后方存在目标对象。

2.根据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述的方法还包括步骤D、当确定车后存在目标对象后，向车内驾驶室输出报警提示。

3.根据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述步骤B中对当前图像的每一帧检测框进行相交面积匹配时，还同时判断摄像头所采集的图像中的目标对象，是否为同一个目标对象。

4.根据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述步骤B中的检测框为Adaboost机器学习排布的矩形框；所述Adaboost机器学习为在摄像头采集图像的检测区域内，每隔相同距离排布一个检测条，由此生成检测框。

5.根据权利要求4所述的基于车轮识别的车后盲区监测方法，其特征在于：所述检测框排布方式为在初始化时生成一个从原始图像到虚拟视角的矫正表，然后基于所述矫正表上的数据获取原始图像的点坐标对应在虚拟视角上的点坐标，并且反向求解出虚拟视角上的点坐标对应到原始图像上的点坐标。

6.根据权利要求4或5所述的基于车轮识别的车后盲区监测方法，其特征在于：所述检测区域是车后左右两侧3M×3M的范围。

7.根据权利要求4所述的基于车轮识别的车后盲区监测方法，其特征在于：所述Adaboost机器学习排布的所有检测框外接的矩形框为Adaboost机器学习的ROI布局。

8.根据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述步骤A中的Adaboost机器学习的目标检测算法为首先对检测框中排布的检测条进行缩放，缩放到当前模型支持的图像尺寸，然后对缩放后的图像进行积分运算，分别求解出90度的积分图和45度的积分图；

对求解出的积分图按照20×20的尺寸进行分类，所述分类为每次移动一个像素对每个检测条进行Adaboost机器学习分类；

所述Adaboost机器学习分类为在积分图上设置最多十二个点坐标的积分值分别和模型中的系数相乘再求和，当大于当前弱分类器的阈值后就将当前弱分类器的权重累加，依次计算当前强分类器的所有弱分类器，最后将所有弱分类器的权重累加的结果求和；

将求和后的结果和强分类器阈值相比较，大于强分类器阈值的说明当前20×20的检测区域是存在目标对象的，反之则是不存在目标对象。

9.根据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述步骤A中为通过摄像头同时采集车后左右两侧的图像。

10.据权利要求1所述的基于车轮识别的车后盲区监测方法，其特征在于：所述步骤A中为通过单个摄像头采集车后图像并通过虚拟相机技术生成左右两侧虚拟图像。