基于紅外熱成像的夜間行車安全輔助系統

李夢茹， 孫德雨， 倪魁棟， 池昊南

（吉林大學， 吉林 長春 130022）

隨著我國經濟持續快速的發展，機動車數量也迅速增長，可隨之而來的是多發的交通事故以及人民生命財產的損失，其中夜間、大霧等能見度較低的天氣狀況下，交通事故占到了相當大的比重。由此可見，提升汽車駕駛的安全性能尤為重要，特別是夜間、大霧等惡劣天氣下駕駛員行駛的安全問題。

目前在夜間行車安全方面，基于紅外夜視成像原理的夜視系統所形成的圖像與可見光圖像相似，目標與背景反差大，能較為清楚地顯示道路的詳細信息［1］。然而，只有極少數高端車型才有此配置，且由于其工作需要紅外光源，有效探測距離較短，易受光源強度、相同工作波長光線和有霧的惡劣天氣條件影響，適用性不高。此外，紅外夜視技術所成圖像為黑白顏色，行人等目標物的出現并不能很好地引起駕駛員的注意，成像效果不理想［2］。

因此本文選用紅外熱成像儀用于行車安全輔助系統，致力于研究更安全、更可靠的夜間行車安全輔助系統，解決駕駛員在夜間、霧天等能見度較低的天氣狀況下看不清目標物，視野不良的問題。本系統通過紅外熱成像儀獲取前方道路圖像，識別出行人等目標物之后，突出強調目標物并進行風險判定，從視覺和聽覺兩方面對駕駛員進行警示，防止駕駛員由于能見度低等原因未能及時注意到目標物造成交通事故的發生，為行車安全提供更加可靠的保障。

1 系統總體設計方案

如圖1所示，基于紅外熱成像的夜間行車安全輔助系統包括圖像采集、目標物識別、圖像處理、目標物狀態識別、行車風險的判定以及行車安全輔助APP的開發。本系統通過紅外熱成像儀獲取前方道路圖像，完成行人等目標物的識別之后，對圖像進行一系列處理，以突出強調目標物，同時進行風險判定從而啟動預警方案。本系統從視覺和聽覺兩方面對駕駛員進行警示，防止駕駛員由于能見度低等原因未能及時注意到目標物造成交通事故的發生。

圖1 系統總體設計方案

2 圖像采集

2.1 紅外熱成像儀的選型

紅外熱成像儀運用光電技術檢測物體熱輻射的紅外線特定波段信號，將該信號轉換成可供人類視覺分辨的圖像和圖形，該技術可以避免可見光的干擾，且不受雨雪霧天等惡劣條件的影響，適用性更廣。且紅外熱成像儀所獲取的圖像為彩色，駕駛員可以看到物體表面的溫度分布狀況，視覺上顏色的對比度更容易引起駕駛員的警覺，為駕駛員的行車安全提供可靠的保障［3］。

所以我們選用了成像更加方便、性價比更高的FLIR ONE Pro紅外熱成像儀，只需要將其插入手機接口便可獲取前方道路圖像信息，使用更加方便簡潔，也能很好地解決駕駛員在夜間大霧等惡劣天氣看不清目標物、視野短的問題，從而減少夜間、霧天等能見度較低的天氣狀況下交通事故的發生。

2.2 圖像采集的具體方法

在行車過程中，將紅外熱成像儀插入手機插口，將攝像頭對準道路前方，系統將實時采集駕駛時前方的道路環境圖像。

3 目標物的識別

3.1 目標物圖像點的篩選

通過大量實驗，對不同環境溫度下行人（R，G，B） 特征值的歸納分析，最終得出不同溫度下行人等目標物的（R，G，B） 特征區間。本系統根據該特征區間，將圖像上所有符合該區間的點篩選出來。實驗歸納出的不同溫度下目標物的（R，G，B） 特征區間詳見表1。

表1 實驗歸納出的不同溫度下目標物的（R，G，B）特征區間

3.2 聚類算法處理

對篩選出來的圖像點進行K-Means聚類算法處理，將多次迭代后聚類處理的中心點視為目標物的質心，并生成其所在圖像中的位置函數P（n）。圖中行人紅色部分為根據 （R，G，B） 特征區間篩選出的圖像點，藍色圓點即為聚類算法處理得到的目標物質心位置，如圖2所示。

圖2 目標物質心位置

4 圖像處理

本系統利用圖像算法，將篩選出的目標物圖像點進行顏色標紅突出處理，然后以目標物質心為中心點建立框圖函數，根據圖像點的密集程度和其構成的形心位置進行框選，即對目標物進行加框處理，從視覺上對駕駛員進行警示，一定程度上提高了駕駛員行車過程中的安全性。

由于行人和小動物對行車安全的影響不同，因此對行人和小動物分別采用不同顏色的框圖，即行人采用綠色框圖，小動物采用藍色框圖，以達到不同的警示效果。圖像處理結果如圖3所示。

圖3 圖像處理結果

5 目標物狀態識別和風險判定

5.1 目標物與車輛距離的確定

基于目標物質心位置函數P（n）的縱坐標y （規定縱坐標正方向為自上至下），根據實驗總結出的目標物與車輛的距離x與位置函數縱坐標y的函數關系 （以1080×1440分辨率為例）：

計算出目標物與車輛的距離x，并進行語音播報。

5.2 風險判定

根據車輛的運行速度、路面狀況等參數，由汽車制動理論計算公式［4］

式中：S——汽車制動距離；v——車輛的運行速度（通過手機GPS系統獲取）；t1——駕駛員反應時間；t2——汽車制動器滯后時間；Φ——道路與輪胎間的附著系數；g——重力加速度。

根據公式可計算出不同運行速度、不同路面條件下汽車的制動距離。然后基于目標物與車輛的距離x，對車輛的行駛安全進行風險判定。

5.3 預警方案的選取

根據不同的風險狀況采取不同的預警方案。

1） 當X≥S+20時，不啟動預警方案，僅進行步驟4的語音播報距離。

2） 當S+10≤X＜S+20時，啟動語音預警方案1：請注意避讓+短促的報警聲。

3） 當X＜S+10時，啟動語音預警方案2：有危險！請馬上避讓+長鳴的報警聲。

6 行車輔助APP的開發

基于上述系統設計方案，進行夜間行車輔助系統APP的開發。首先明確開發類型、開發平臺、產品功能需求和設計需求、通過反復調研、討論、制定詳細的開發方案。然后分別進行UI （產品界面）、UE （用戶體驗） 的設計和程序的開發流程，包括前端開發、程序開發、接口對接等。最后進行程序的測試，包括App功能測試、App視覺測試、BUG的調試修復等。

7 結論

基于紅外熱成像的夜間行車安全輔助系統，運用光電技術檢測物體熱輻射的紅外線特定波段信號，并將該信號轉換成可供人類視覺分辨的圖像和圖形，經過目標物識別、圖像處理等方法，從視覺和聽覺兩個方面對駕駛員做出預警，有效地解決了駕駛員在夜間、大霧等惡劣天氣看不清目標物、視野短的問題。此外，該行車安全輔助系統避免了可見光的干擾，且不受雨雪霧天等惡劣條件的影響，適用性更廣；行車輔助APP的開發使系統功能的實現更加便捷，為駕駛員的行車安全提供更加可靠的保障。