王彤 刘学明 王大鹏

摘 要：近年来私家车数量不断增加，在驾驶过程中也频繁发生安全事故，严重影响着驾驶人员的生命安全。因此，为了减少安全事故的发生，相关的工作人员应重视计算机视觉的运营，本文就基于计算机视觉的汽车安全辅助驾驶技术进行了分析。

关键词：计算机视觉;汽车;安全辅助驾驶技术

0 引言

随着近年来人们生活水平的上升和民用汽车的使用率不断提高，交通事故的发生率也在不断提升，如何进行安全驾驶和安全出行已经是人们讨论的焦点问题。安全辅助装置主要是指通过采用有效的装置降低汽车交通事故的出现和发生，提高驾驶员的行驶途中的安全性。通过高效和科学的方式能够有效的降低交通事故的出现。传统的安全设置辅助系统已经不能满足现阶段的需求，通过对道路和汽车等方面进行智能检测和分析的方式，利用计算机技术提高汽车安全辅助驾驶的高效性。

1 计算机视觉技术

计算机视觉技术在60年代末到70年代初开始进入重要发展存在。通过对相机原理图、投影和摄影测量工作原理的研究，能开始初步处理模拟人类视觉系统等概念。在几十年里，计算机视觉结合计算机、几何学、光学、心理学等方面内容，逐渐涵盖机器学习、图像处理、模式识别、增强现实等技术，完成视频和图像的更强的处理分析能力。边缘检测、特征提取、特征匹配、定位和跟踪、行为检测、3D现实优化和重构等技术表现了强大的处理能力，为目标跟踪和行为分析等功能提供了坚实的技术基础。

从计算机视觉角度分析交通问题，交通中的元素可以归结为三大类，即人、车、路。人包括道路上的行人和车辆中的乘客与驾驶员;车泛指交通运输工具，含陆运和水运等，在本文中研究陆地交通运输问题;路包括道路、道路上以及道路周侧的交通设施，如信号灯、交通标志等。计算机视觉处理图像或者视频的方法主要分为两类，一类是传统的机器学习方法，一类是近年来流行的基于深度学习的方法。传统的机器学习方法处理计算机视觉问题主要为以下几个步骤的综合：视频抽帧、预处理、分割、特征提取、分类等。其中视频抽帧是指对视频进行抽取包含需要信息的关键帧图片，然后对图像进行处理分析;图像预处理是对不同图像尺寸进行压缩处理，得到便于处理的图像尺寸，然后将彩色图像进行灰度化处理，也可以包括去噪等操作;分割是将特征窗口在图像上滑动来收集特定的特征来实现。基于深度学习的视觉处理方法以各种卷积神经网络结构模型为代表，合并了特征提取、选择和分类过程，通过端对端训练来自动提取特征，达到分类效果，这类方法精度高，但是依赖高性能计算硬件。

2 基于计算机视觉的汽车安全辅助驾驶技术

2.1 目标识别技术

目标识别技术是计算机安全辅助驾驶系统的重要核心部分，它能够给系统的监测和决策提供分析和参考。由于道路交通存在一定的复杂性和多变性，需要对目标进行高准确度的判断和分析，通过实时的识别提高决策的准确和严谨。

目标识别主要包括传统目标识别方法和基于深度学习的目标识别方法。

交通信号灯的识别包括颜色、数字灯、状态的识别。颜色包括红、绿、黄。数字灯指部分交通信号灯旁边具有倒计时秒数的时间指示。状态包括圆形、左转、右转、直行等。交通灯可以通过色彩、形状、位置等特征检测。交通灯检测与识别相对应用比较成熟，数字灯的研究相对较少。

交通标志识别，旨在通过警告驾驶员潜在危险来提高驾驶安全性，道路标志一般分为七类，危险警告、优先、禁止或限制等。传统识别方法中检测阶段的输出是图像边界框的列表，每个边界框包含尚未识别的交通标志，识别阶段的输出是每个边界框的类别标签（“停止”“让路”等）。与其他交通元素一样，交通标志的识别会受光照、遮挡等影响，另外还可能破旧等问题导致标志损坏或者褪色，影响识别结果。通过对交通标志的识别，可以帮助司机在行驶中的不合理行为做出提醒，比如警告超速、提醒急转弯等，也可以为导航系统提供信息，纠正导航偏差。另外对于越来越多的道路标志的维护也有一定的帮助，减轻人力负担。

抛洒物识别。公路抛洒物是指在车辆行驶过程中，物品从车辆中或者道路外抛到道路中，影响后续车辆行驶。视频来源是静止的高速公路摄像头，可以根据距离和时间等参数判断短时间内是否有静止抛洒物;如果视频来源是移动的车辆前置摄像头，可以通过相关运动目标检测算法来实现。

2.2 目标测距技术

现阶段安全辅助驾驶系统中主要采用对目标测距的技术为：超声波、激光、机器视觉的测距。超声波的测距方法主要是根据超声波的传输时间进行判断，对目标的障碍物进行测量，这种方式计算原理较为简单和便捷，且成本较低，能够较高程度的对目标距离进行测量，激光的测距方式主要是通过一种仪器，将光子雷达系统运用其中，对目标范围进行测量，主要可以分为成像式和非成像式两种方式，其具有测量范围广泛和准确度较高等优势。成像式激光测距方式主要是通过扫描的机器对激光发射的方向进行控制，通过对整个环境的扫描和分析从而得到目标的三维立体数据;非成像激光测距方式主要是根据光速的传播时间和速度来确认与目标之间的距离。机器视觉下进行测量距离主要是单目的测距和双目的测距。单目测距的方式在成本上具有一定的优势，但是在精准度上弱于双目的测距。

2.3 计算机视觉在驾驶状态检测中的应用

汽车安全辅助驾驶技术主要是指通过安装智能的安全检测系统对汽车驾驶起到安全辅助的作用。智能安全检测系统主要是通过科学技术的感应装置和智能检测对汽车的驾驶途中的运行状态进行分析，系统通过检测对行驶中产生的意外问题进行及时有效的报警，比如汽车出现意外性的偏移、行驶途中与附近的车辆距离过近、周围有危险的障碍物等情况。采用警报的方式提醒驾驶员，在情况焦急和危险时，有效的采用智能的解决措施对汽车进行部分合理的控制，降低事故的发生概率。目前对于智能汽车安全辅助驾驶中，对于车道偏移安全区域、智能控制距离和周围障碍物的检测评估，以及对驾驶员的行驶状态辨别和车速的控制管理等。在采用计算机视觉技术之前，汽车安全驾驶辅助系统主要是通过对驾驶的状态进行智能检测，但是具有一定的局限性和不准确，只是单纯的停留在对参照物的反应，比如在对汽车行驶的路程偏移、驾驶的时间計算和遇到障碍物的反映情况等。没有准确高效的判断系统和程序对驾驶员的驾驶状态进行检测。

计算机视觉的采用能够高效的对驾驶员的监测状态进行控制，通过对驾驶员的驾驶状态的面部状态进行智能和高效的识别，分析和判断驾驶员的行驶状态，确认是否存在疲劳驾驶和酒后驾驶等不安全驾驶行为。计算机视觉下汽车安全辅助技术能够有效的提高驾驶的安全性，通过对人体的行为和面部表情的控制和分析，使驾驶员的智能判断得到提升，使汽车辅助安全技术在驾驶中发挥作用和效果。

3 结束语

综上所述，计算机视觉技术可以通过智能安全辅助系统对驾驶员的驾驶状态进行智能判断和分析，通过实践和数据分析的方式，可以及时高效的判断驾驶员的行驶状态和面部特征，提前做好预防措施，降低交通事故的出现和发生率，提高汽车安全辅助驾驶技术的高效性和稳定性。

参考文献：

[1]吴军伟.汽车智能辅助驾驶系统的市场分析与展望[J].现代营销（创富信息版），2018（10）：64.

[2]赵晓函，张汉超.汽车安全辅助驾驶系统设计[J].电子技术，2018，47（7）：73-75.

[3]杨希.基于机器视觉的汽车安全辅助驾驶系统研究[D].华东交通大学，2018.

[4]徐栩娟，刘述民.计算机技术在立体视觉行人检测系统中的研究[J].科技广场，2017（5）：42-44.