夜間超車車輛盲區(qū)的檢測與跟蹤

汽車盲區(qū)檢測作為汽車主動安全的重要組成部分，受到越來越多的研究人員的關注。汽車盲區(qū)檢測為駕駛員安全的并線提供了重要的參考依據(jù)。傳統(tǒng)的基于圖像機器學習的汽車盲區(qū)檢測在白天能夠很好地發(fā)揮作用，但是在夜間由于光線不夠充足，傳統(tǒng)的盲區(qū)檢測不能很好地識別出盲區(qū)的車輛，使得盲區(qū)檢測系統(tǒng)不能很好地為駕駛人員提供足夠的參考信息，達到規(guī)避危險的作用。

為了解決傳統(tǒng)的基于圖像的汽車盲區(qū)檢測在夜間適應性不強的問題，將汽車最明顯的特征-前照燈光斑引入到盲區(qū)檢測中，將后車前照燈形成的光斑作為車輛的識別特征。通過估計運動矢量以區(qū)分正在接近的光斑和背景噪聲斑點，然后將識別出的主要的兩個斑點配對組成后車車燈，從而識別靠近的后車。當系統(tǒng)識別出車輛盲區(qū)有靠近車輛時，通過發(fā)出警報聲來提醒駕駛人員。

通過仿真來測試和驗證所提出的夜間車輛盲區(qū)檢測算法。通過汽車后置攝像頭拍攝的夜間市區(qū)和高速公路的視頻進行剪輯來形成仿真所需要的圖像素材。仿真結果顯示，該算法的準確率高達93.6%，查全率高達（Recall）100%。在這些模擬結果中，雖然所有接近車輛都被檢測到并精確地發(fā)出警報，但旁邊車道的車輛以及背景燈光會影響該系統(tǒng)，從而發(fā)出誤報，導致精度下降的問題。