[发明专利]确定车辆承载检测的像素分类阈值

说明书

通过执法来人工执行HOV/HOT车道会是困难的，并且可能是危险的。使违规车辆驾车者开到路边以发出违章通知单易于使交通混乱，并且对警官和车辆乘客而言可能成为安全隐患。因此，自动化承载检测(即，自动检测车辆的人类乘客的能力)，优选地与自动化车辆识别和违章通知单邮寄结合，是合乎需要的。对于用于确定机动车辆中的人类乘客数量的自动化解决方案需要这个领域的进一步发展。虽然普通可见光能够在理想条件下通过前风挡用于车辆承载检测，但是存在缺点。例如，可见光的车厢穿透能够易于受到诸如带色彩的风挡之类的因素以及诸如下雨、下雪、污垢等的环境条件损害。此外，夜间的可见照明会使驾驶员分散注意力。近红外照明具有优于可见光照明的优点，包括驾驶员难以察觉。这个领域的发展正在进行中，因为需要方法来分析所捕获的运动机动车辆的IR图像并且处理那个图像以确定那个车辆中的人类乘客的总数。车辆承载检测方法常常依靠皮肤的反射谱的先验知识来确定IR图像中的人类乘客。虽然使用多带摄影系统中的皮肤谱信息的这类承载检测方法能够给出准确承载检测，但是这类方法要求在环境条件发生变化时重新设置比较阈值的值。

附图说明

图1示出示例IR照明系统100的一个实施例；

图2示出示例IR检测系统200的一个实施例；

图3示出结合图1的IR照明系统和图2的IR检测系统的示例车辆承载检测系统；

图4示出从分别使用图1和图2的IR照明器和IR检测器所得到的图3的机动车辆的图像中剪辑出的前风挡区域；

图5是示出用于确定图3的车辆承载检测系统中的像素分类的阈值的本方法的一个示例实施例的流程图；

图6是图5的流程图的延续，其中流程处理相对结点A和B继续进行；

图7是能够实现针对图5和图6的流程图所示和所述的本方法的各个方面的一个示例系统的框图。

具体实施方式

所公开的是用于像素分类的系统和方法，像素分类利用已知属于驾驶员的人体组织的像素的多谱信息来得出阈值，阈值又用于对图像的剩余部分的像素进行分类，使得能够确定车辆中的人类乘客的数量。

应当理解，在许多国家，汽车设计成使得从站在车辆前面并且看着前风挡的角度来看时，驾驶员坐在前乘客舱的右手边，而乘客坐在前乘客舱的左手边。在其它国家，汽车设计成使得从相同角度来看时，驾驶员位于前乘客舱的左手边而乘客位于右手边。因此，本文中表示乘客舱的左边和右边的任何论述预计涵盖两种设计，而决不应当被看作进行限制。

“机动车辆的图像”表示使用IR成像系统所得到的机动车辆的静止图像或视频图像。完全填充IR图像的单帧由像素阵列组成，其中各像素具有在感兴趣预期谱波带所测量的相应强度值。

“多带IR成像系统”是一种设备，其中包括设计成捕获从目标对象所反射的IR光线、将它分离为其分量波长并且输出该目标的IR图像的IR照明器和IR检测器。对多个感兴趣波带捕获IR图像。IR成像系统能够是单个IR检测装置和具有一个固定滤波器的依次照明的N带照明器(N≥3)，或者包括各具有相应带通滤波器的总共N个检测器(N≥3)和单个照明器。图1中示出示例IR照明系统。图2中示出示例IR检测系统。

“像素分类阈值”是识别能够分类为人体组织的像素与分类为诸如座椅织物、皮革、金属和塑料等的其它材料的像素的分离线的值。

“相关性方法”表示像素分类的方法，其中IR图像的像素基于那个像素的所捕获强度与从模型所计算的(缩放)强度之间的相关量来分类为人体组织，包括：

其中，I=1,2…N表示使用第i个滤波器F_i(λ)的第i 个IR带，I_S(λ)是IR照明器的功率谱，R_o(λ)是车辆内部的对象的反射比，T_G(λ)是车辆玻璃窗的透射比，D(λ)是IR检测器的响应度，λ₁和λ₂指定照相装置检测器对光线积分的波长范围，以及常数α取决于与IR照明器的角度和距离、像素大小和照相装置的积分时间。

相关性方法使用包含已知材料、例如人体皮肤和头发以及其它感兴趣材料的预先测量反射比的材料谱数据库。数据库包括挡风玻璃的透射比、IR照明器的功率谱、滤波器透射比以及IR检测器的响应度曲线。能够计算图像中的各对象的理论像素强度，并且各像素的测量强度能够与理论强度进行比较，以便确定它们之间的相关量。在一个实施例中，(各像素的)相关系数表示为：