融合自適應(yīng)Gamma校正與YOLOv5的夜間駕駛輔助系統(tǒng)設(shè)計(jì)

摘要：光照條件差會(huì)對(duì)夜間行車安全構(gòu)成嚴(yán)峻挑戰(zhàn)。基于此，設(shè)計(jì)了一種融合自適應(yīng)Gamma校正與YOLOv5的夜間駕駛輔助系統(tǒng)。該系統(tǒng)通過樹莓派控制核心及多個(gè)外設(shè)，實(shí)現(xiàn)圖像采集、圖像增強(qiáng)、目標(biāo)檢測和語音提示等功能，從而有效降低駕駛風(fēng)險(xiǎn)。介紹了系統(tǒng)硬件組成及功能，闡述了軟件自適應(yīng)Gamma校正的實(shí)現(xiàn)過程和YOLOv5目標(biāo)檢測模型的訓(xùn)練過程，并在實(shí)驗(yàn)環(huán)節(jié)驗(yàn)證了系統(tǒng)的可靠性。

關(guān)鍵詞：夜間駕駛；目標(biāo)檢測；自適應(yīng)Gamma校正；YOLOv5

中圖分類號(hào)：TP274+.2；TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

近年來，深度學(xué)習(xí)技術(shù)在目標(biāo)檢測領(lǐng)域得到廣泛應(yīng)用，為夜間駕駛輔助系統(tǒng)設(shè)計(jì)提供了新的思路。YOLOv5目標(biāo)檢測算法在車輛、行人等目標(biāo)的識(shí)別中具有較高精度和較快速度，但其在光照度極低的場景下仍存在檢測性能下降的問題。因此，本文設(shè)計(jì)了一種融合自適應(yīng)Gamma校正與YOLOv5的夜間駕駛輔助系統(tǒng)，旨在增強(qiáng)夜間圖像的細(xì)節(jié)特征，提高目標(biāo)檢測精度。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確識(shí)別低光照環(huán)境中的目標(biāo)，具有良好的實(shí)時(shí)性和準(zhǔn)確性。

1 系統(tǒng)總體設(shè)計(jì)

1.1 系統(tǒng)硬件組成

如圖1所示，系統(tǒng)硬件架構(gòu)以樹莓派（Raspberry Pi）4B作為主控單元，結(jié)合攝像頭、按鍵、語音模塊、顯示屏等外設(shè)，實(shí)現(xiàn)實(shí)時(shí)圖像采集、處理與反饋等功能。

1.2 主控單元

如圖2所示，主控單元采用樹莓派4B作為計(jì)算和控制中心，作為系統(tǒng)的“大腦”，其負(fù)責(zé)執(zhí)行圖像預(yù)處理、Gamma校正增強(qiáng)、YOLOv5目標(biāo)檢測和潛在危險(xiǎn)判斷等功能。樹莓派4B是一款功能強(qiáng)且性價(jià)比高的微型計(jì)算機(jī)，其擁有64位1.5 GHz四核中央處理器（central processing unit，CPU），500 MHz的VideoCore VI 圖形處理器（graphics processing unit，GPU），1 GB～4 GB的DDR4內(nèi)存[1]。樹莓派4B數(shù)據(jù)傳輸速率高、網(wǎng)絡(luò)連接穩(wěn)定，并且可以通過通用輸入/輸出（general-purpose input/output，GPIO）接口、相機(jī)串行接口（camera serial interface，CSI）等多種連接方式，與攝像頭、語音模塊、顯示屏等外設(shè)進(jìn)行數(shù)據(jù)傳輸和控制。

1.3 攝像頭

攝像頭采用與樹莓派4B兼容的130°無畸變鏡頭，既能保證圖像清晰度，又能適應(yīng)低光照條件，同時(shí)可在圖像沒有畸變的情況下采集較廣闊的視野。攝像頭通過CSI連接樹莓派4B，將實(shí)時(shí)獲取的圖像傳輸至樹莓派4B處理。

1.4 語音模塊

語音模塊是系統(tǒng)提供給駕駛員用于信息反饋的關(guān)鍵部分，通過串口連接主控單元。該模塊可以實(shí)現(xiàn)中文、英文的語音合成，可以識(shí)別GB2312和Unicode等編碼體系，單幀命令包含的最大文本可達(dá)200個(gè)字節(jié)[2]。語音模塊負(fù)責(zé)接收主控單元的指令，將危險(xiǎn)告警、目標(biāo)位置等信息轉(zhuǎn)化為清晰、易懂的語音信息，幫助駕駛員快速了解危險(xiǎn)情況，及時(shí)做出應(yīng)對(duì)。

1.5 顯示屏與按鍵

顯示屏與按鍵作為駕駛員與系統(tǒng)互動(dòng)的模塊，用于系統(tǒng)狀態(tài)和路況信息的可視化展示：按鍵用于調(diào)整系統(tǒng)設(shè)置，顯示屏用于實(shí)時(shí)顯示增強(qiáng)后的路況圖像和目標(biāo)檢測結(jié)果。

2 系統(tǒng)軟件設(shè)計(jì)

2.1 系統(tǒng)軟件流程

如圖3所示，系統(tǒng)工作啟動(dòng)后，攝像頭實(shí)時(shí)采集路況圖像，主控系統(tǒng)對(duì)圖像進(jìn)行去噪、歸一化等預(yù)處理，再經(jīng)自適應(yīng) Gamma 校正來增強(qiáng)圖像，使夜間圖像的可見度得到顯著改善，從而突出圖像的邊緣及細(xì)節(jié)特征，為后續(xù)YOLOv5目標(biāo)檢測提供更詳細(xì)、穩(wěn)定的輸入數(shù)據(jù)。采用YOLOv5算法對(duì)圖像進(jìn)行檢測，識(shí)別車道線、斑馬線、行人、車輛、紅綠燈、交通標(biāo)志等重要目標(biāo)。根據(jù)檢測結(jié)果，主控單元分析判斷各目標(biāo)的相對(duì)位置和安全距離，當(dāng)識(shí)別到潛在危險(xiǎn)時(shí)，語音模塊會(huì)發(fā)出語音提示，如“請(qǐng)沿車道行駛”“注意行人”等，并在屏幕上顯示對(duì)應(yīng)的提示信息，幫助駕駛員及時(shí)采取有效避險(xiǎn)措施。

2.2 自適應(yīng)Gamma校正

Gamma校正是一種用于調(diào)節(jié)圖像亮度以及對(duì)比度的技術(shù)手段，其通過對(duì)圖像的像素?cái)?shù)值進(jìn)行非線性的變換操作，使圖像在不同的亮度下能夠較好地進(jìn)行色彩表現(xiàn)和細(xì)節(jié)展示。本系統(tǒng)在經(jīng)典Gamma校正的基礎(chǔ)上，選擇自適應(yīng)Gamma校正。自適應(yīng)Gamma校正是指根據(jù)圖像的局部特征來自動(dòng)調(diào)整Gamma值和曲線形狀的變換方法[3]，其利用多尺度光照調(diào)整策略，對(duì)過暗和過亮區(qū)域分別進(jìn)行不同的亮度調(diào)節(jié)，確保在抑制高光和增強(qiáng)暗部的同時(shí)，實(shí)現(xiàn)更為精細(xì)的圖像增強(qiáng)。自適應(yīng)Gamma校正的具體原理如下。

2.2.1 經(jīng)典Gamma校正

在經(jīng)典Gamma校正中，通過對(duì)像素的灰度值進(jìn)行指數(shù)變換來實(shí)現(xiàn)對(duì)亮度的調(diào)節(jié)，其計(jì)算公式如下：

Iout（x，y）=Iin（x，y）γ。" " " " " " " " " " " " " " " " "（1）

式中，Iout（x，y）為輸出圖像在位置（x，y）時(shí)對(duì)應(yīng)的像素亮度值； Iin（x，y）為輸入圖像在位置（x，y）時(shí)對(duì)應(yīng)的像素亮度值；γ為Gamma值，是一種校正參數(shù)，用于非線性調(diào)整圖像的亮度。

在經(jīng)典Gamma校正方法中，Gamma值通常是一個(gè)固定值，在應(yīng)用于低照度或高亮度圖像時(shí)，容易導(dǎo)致全局圖像效果不佳。

2.2.2 自適應(yīng)Gamma校正與局部亮度計(jì)算

由于經(jīng)典Gamma校正具有一定的局限性，所以本文選擇分區(qū)域自適應(yīng)的Gamma校正，其可以通過動(dòng)態(tài)調(diào)整圖像每個(gè)區(qū)域的Gamma值來適應(yīng)圖像的局部亮度變化。算法首先對(duì)輸入圖像的亮度分量進(jìn)行平滑處理，以獲取全局和局部光照信息。本文使用均值濾波操作代替經(jīng)典的多尺度高斯濾波操作，對(duì)亮度分量V（x，y）進(jìn)行平滑處理，具體計(jì)算公式如下：

L（x，y）=" V（x+i，y+j）。" " " " （2）

式中，L（x，y）為圖像局部亮度均值；V（x，y）為原圖像亮度分量；k為濾波器的內(nèi)核尺寸，取奇數(shù)；i、j分別為相對(duì)于像素點(diǎn)（x，y）在行、列方向上的整數(shù)偏移量。

該均值濾波操作可以計(jì)算圖像局部的亮度均值，從而得到各個(gè)局部區(qū)域的亮度分量。

2.2.3 動(dòng)態(tài)自適應(yīng)Gamma值計(jì)算

與經(jīng)典Gamma校正類似，自適應(yīng)Gamma值是實(shí)現(xiàn)自適應(yīng)Gamma校正的重要參數(shù)。算法根據(jù)圖像亮度與期望亮度（即給定的參考亮度值E）的偏差，動(dòng)態(tài)自適應(yīng)調(diào)整每個(gè)像素點(diǎn)的Gamma值，即（x，y）坐標(biāo)下像素點(diǎn)的Gamma值。對(duì)于每個(gè)像素點(diǎn)，根據(jù)其局部亮度L（x，y）與參考亮度E的差值來計(jì)算自適應(yīng)Gamma值γ（x，y），具體計(jì)算公式如下：

?L=L（x，y） -E，" " " " " " " " " " " " " " " " " " " " " " "（3）

γ（x，y）=2。" " " " " " " " " " " " " " " " " " " " " " " "（4）

式中，?L為圖像局部亮度均值與參考亮度的偏差。

利用式（4）計(jì)算出圖像不同區(qū)域?qū)?yīng)的

γ（x，y），當(dāng)像素點(diǎn)亮度小于期望亮度，即處于低亮度區(qū)域時(shí)，對(duì)此區(qū)域使用γ（x，y）小于1的Gamma校正，以顯著增強(qiáng)亮度；而在高亮度區(qū)域，使用γ（x，y）大于1的Gamma校正，以實(shí)現(xiàn)對(duì)不同亮度區(qū)域的動(dòng)態(tài)精準(zhǔn)調(diào)節(jié)。

2.2.4 應(yīng)用自適應(yīng)Gamma校正

根據(jù)計(jì)算得到的自適應(yīng)Gamma值對(duì)原圖像進(jìn)行像素級(jí)別的校正，獲得增強(qiáng)后的圖像，對(duì)像素進(jìn)行自適應(yīng)Gamma校正的公式如下：

Iout（x，y）=Iin（x，y）γ（x，y）。" " " " " " " " " " " " " （5）

2.3 YOLOv5目標(biāo)檢測算法

目標(biāo)檢測算法在夜間駕駛輔助系統(tǒng)中扮演著重要角色，它能快速、直接處理整幅圖像并完成目標(biāo)定位與分類，實(shí)現(xiàn)對(duì)行人、車輛、交通標(biāo)志等目標(biāo)的精準(zhǔn)識(shí)別。本文設(shè)計(jì)的系統(tǒng)采用YOLOv5算法，該算法能夠根據(jù)目標(biāo)的像素面積動(dòng)態(tài)調(diào)整輸入圖像的像素尺寸，大幅增強(qiáng)檢測的魯棒性[4]；能夠有效結(jié)合低層次的細(xì)節(jié)特征和高層次的抽象特征，提高模型的特征表達(dá)能力；還能夠?qū)Σ煌瑢哟蔚奶卣鲌D進(jìn)行融合，進(jìn)而獲得更為豐富的特征信息。同時(shí)，YOLOv5算法還具有輕量級(jí)的網(wǎng)絡(luò)結(jié)構(gòu)、較小的模型尺寸和較低的計(jì)算資源需求，適合嵌入式系統(tǒng)應(yīng)用。

3 系統(tǒng)實(shí)驗(yàn)設(shè)計(jì)與性能驗(yàn)證

目標(biāo)檢測是駕駛輔助系統(tǒng)實(shí)現(xiàn)高效目標(biāo)識(shí)別的核心技術(shù)，而目標(biāo)檢測模型是影響系統(tǒng)整體性能的關(guān)鍵因素。本節(jié)介紹了YOLOv5目標(biāo)檢測模型的訓(xùn)練過程及性能驗(yàn)證方法，并通過實(shí)驗(yàn)對(duì)多個(gè)指標(biāo)進(jìn)行評(píng)估。

3.1 實(shí)驗(yàn)數(shù)據(jù)集構(gòu)建

本文設(shè)計(jì)的系統(tǒng)采用公開數(shù)據(jù)集與自采數(shù)據(jù)集相結(jié)合的夜間駕駛場景數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)集。其中，公開數(shù)據(jù)集選用由德國卡爾斯魯厄理工學(xué)院與日本豐田美國技術(shù)研究所攜手開發(fā)的KITTI-2D，該數(shù)據(jù)集有80 256個(gè)經(jīng)過精心標(biāo)注的物體[5]。本實(shí)驗(yàn)選用KITTI-2D中8個(gè)預(yù)定義類別（交通標(biāo)志、公共汽車、卡車、轎車、自行車、摩托車、行人和路障），按照1∶2.5∶6.5 的比例將實(shí)驗(yàn)數(shù)據(jù)集分為驗(yàn)證集、測試集和訓(xùn)練集，以確保模型在不同數(shù)據(jù)子集上的性能評(píng)估具有可靠性。

3.2 模型優(yōu)化與部署

在模型訓(xùn)練階段，通過調(diào)整數(shù)據(jù)集中圖片的亮度和對(duì)比度，模擬不同夜間光照條件下的特征變化，以驗(yàn)證自適應(yīng)Gamma校正的效果。為提升YOLOv5算法對(duì)面積小于32×32像素的小目標(biāo)的檢測能力，訓(xùn)練中引入多尺度輸入技術(shù)和隨機(jī)裁剪技術(shù)，并采用完全交并比（complete intersection over union，CIoU）損失函數(shù)優(yōu)化檢測框位置。訓(xùn)練完成后，模型導(dǎo)出為TensorFlow Lite（TFLite）格式，并使用開源神經(jīng)網(wǎng)絡(luò)推理編譯器工具（NNCase）將其轉(zhuǎn)化為適用于樹莓派4B的.kmodel格式文件，以便在系統(tǒng)硬件平臺(tái)上加載和部署。

3.3 系統(tǒng)性能驗(yàn)證

采用3個(gè)評(píng)價(jià)性指標(biāo)來衡量測試結(jié)果，具體包括：①平均精度均值（mean average precision，mAP）用于衡量在多個(gè)類別平均精度的算術(shù)平均值，當(dāng)70%＜mAP≤80%時(shí)，則證明檢測精度為良好；當(dāng)mAP＞80%時(shí)，則證明檢測精度為優(yōu)秀。②平均檢測時(shí)間（average detection time，ADT）是指算法完成一次目標(biāo)檢測所需的平均時(shí)間。③交并比（intersection over union，IoU）是計(jì)算真實(shí)框和預(yù)測框的重疊部分與二者并集的比值，當(dāng)IoU＞0.5時(shí)，通常表示檢測是成功的[6]。

在經(jīng)過85次迭代實(shí)驗(yàn)測試后，最終檢測結(jié)果：mAP = 75%，ADT = 35 ms，IoU = 0.6。如圖4所示，圖像經(jīng)過自適應(yīng)Gamma校正后，亮度明顯提升，色彩還原也較為準(zhǔn)確，沒有出現(xiàn)色偏或失真等現(xiàn)象；同時(shí)，經(jīng)過優(yōu)化的模型在低光環(huán)境中能快速、精準(zhǔn)識(shí)別關(guān)鍵目標(biāo)，滿足系統(tǒng)實(shí)時(shí)性和準(zhǔn)確性要求。

4 結(jié)語

本文提出了一種融合自適應(yīng)Gamma校正與YOLOv5的夜間駕駛輔助系統(tǒng)，旨在增強(qiáng)圖像的細(xì)節(jié)特征，提高目標(biāo)檢測精度。實(shí)驗(yàn)表明，該系統(tǒng)平均精度均值處于良好水平，平均檢測時(shí)間滿足實(shí)時(shí)性需求，檢測框與真實(shí)目標(biāo)實(shí)現(xiàn)了高度匹配。系統(tǒng)能顯著提升駕駛員對(duì)路況的感知能力，降低夜間行車的安全風(fēng)險(xiǎn)，為夜間復(fù)雜路況下的行車安全提供了有力保障，具有良好的應(yīng)用前景。然而，系統(tǒng)涉及的深度學(xué)習(xí)模型在環(huán)境感知、決策制定等實(shí)際應(yīng)用中往往面臨較大的計(jì)算量，系統(tǒng)響應(yīng)可能出現(xiàn)延遲。

未來，不僅可通過采用更先進(jìn)的圖形處理器、專用集成電路、傳感器等設(shè)備來優(yōu)化硬件配置，還可結(jié)合先進(jìn)的環(huán)境感知技術(shù)來增強(qiáng)夜間駕駛輔助系統(tǒng)的性能，以提升用戶的駕駛安全性與體驗(yàn)。

參考文獻(xiàn)

[1] 趙遠(yuǎn)飛，馬天宇.基于樹莓派4B的智能Ai音箱設(shè)計(jì)[J].家電維修，2024（10）：10-12.

[2] 常財(cái)超，王穎.基于深度學(xué)習(xí)和數(shù)據(jù)融合的機(jī)車輔助安全駕駛系統(tǒng)[J].電子產(chǎn)品世界，2024，31（1）：20-23.

[3] 林德貴，邱富杭，余清清.融合Gamma校正與多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J].信息技術(shù)與信息化，2023（11）：179-182.

[4] 張新航，張雅茹，麻振華，等.基于深度學(xué)習(xí)方法的YOLO目標(biāo)檢測綜述[J].長江信息通信，2024，37（8）：52-56.

[5] 李昌財(cái)，陳剛，侯作勛，等.自動(dòng)駕駛中的三維目標(biāo)檢測算法研究綜述[J].中國圖象圖形學(xué)報(bào)，2024，29（11）：3238-3264.

[6] 張清睿.改進(jìn)YOLOv5算法在無人駕駛汽車目標(biāo)檢測模型構(gòu)建中的應(yīng)用[J].信息與電腦（理論版），2024，36（18）：45-47.