本研究含兩大類型『行車影像辨識』與『車輛警示系統』，以下針對這兩大 類相關參考文獻加以介紹。有關行車影像辨識的部分將介紹目前對於即時性的車 輛影像辨識相關的研究，而在車輛警示系統中將會分析各類型的行車警示系統及 其搭配的感測裝置。
2-1 行車影像辨識研究文獻回顧
在行車影像辨識(Driving Detection)相關的研究中，主要辨識的項目可歸納為 下列四大類:
1. 車道辨識(Lane Detection):車道辨識為駕駛影像辨識中最基本的項目。藉由 所截取到的道路影像，經過色彩空間轉換，再利用霍氏轉換(Hough Transform) [10]偵測到道路邊緣，並根據車道邊線追蹤車道，即可辨識並建立出目前行 車環境的車道架構。這類型的研究中，大多集中在探討有了車道邊緣線後，
如何去建立出車道線。相關的演算法主要可分為三類:
第一類為車道特徵匹配(Lane feature-based matching)，主要是利用車道線 特徵(如車道顏色、邊緣變化大、方向性與線段移斜率等)來擷取車道位 置，此方法主要優點為能夠快速偵測到車道線位置，但缺點是影像中車 道線的結構特徵必須完整才易辨識，否則容易造成辨識誤差[11-12]。
第二類為利用可變車道模型(Deformable lane model)來辨識車道，此方法 是於影像中尋找車道控制點(Lane control point)，利用控制點的變化量來
6
建立出車道模型，此方法的可隨著車道彎曲的變化量建立彎曲車道模型，
但缺點為若車道的變化量過大則繪製車道模型不易，且易受到車輛影響 擷取錯誤控制點[12-14]。
第三類為基於車道模型的辨識方法(Lane model-based detection)，此方法 根據車道彎曲度、長度以及斜率建立各類模型參數，再對應至影像中建 立車道線。其優點在於不容易受到前方車輛或是遮蔽物影響，但缺點是 若車道為多彎道車道或複雜車道則不易偵測並建立車道模型[15-20]。
2. 車輛辨識(Vehicle Detection):目前大多數的車輛辨識都只辨識所屬同車道的 車輛，而辨識出的車輛大多利用於防碰撞警示與計算車距。有關車輛辨識與 追蹤演算法可分為下列三類:
第一類是基於車輛特徵匹配(Vehicle feature-based matching)，車輛在於影 像中都通常都有強烈的邊緣變化量以及明顯的特徵(如車燈、車牌與車底 陰影)，利用此特徵進行辨識。此方法的好處在於計算量少，可快速偵測 到車輛特徵。但缺點在於容易受到其他相似物體影響如前方障礙物、交 通號誌與隧道山洞。相關的文獻如[21-24]。
第二類是使用模板匹配(Template matching)方式來辨識車輛，此方法必須 於資料庫中建立各類型車輛影像模組，將影像中出現的物體，利用模組 資訊進行匹配與辨識。此方法的優點為準確度高，若物體匹配成功則可 以確定此物體為車輛，但缺點是若為高解析度影像則必須花大量時間進 行匹配計算[25-27]。
第三類型是使用均值位移追蹤法(mean shift tracking)辨識並追蹤車輛，此
方首先先定義核心模組(Kernel model)來表示車輛，利用車輛每一特徵點 的位移變化量，運用疊代方式不斷更新車輛位置，直到車輛位置不再變 化為止。此方法若物體移動量不大則能快速追蹤到物體，適用於固定式 的攝影裝置用於辨識追蹤車輛，若用於移動式車輛上的影像擷取，則較 不適用於此法[27-33]。
3. 車距計算(Vehicle Distance Measure):車距計算主要是先藉由影像中車輛特徵 或車體大小辨識出前方車輛，再計算出前方車輛與自身車輛的實際車距，以 下可分為兩類計算方法[34]
第一類基於寬度的車距預測(Width-based Distance estimation)利用影像中 車輛寬度與實際車輛寬度對應比例計算出前方車輛實際車距，此方法的 好處不易被雜訊影響只要知道前方車寬，即可精確計算出車距，但缺點 為由於同類型車種(如小轎車)的車寬因廠牌不同也有所差異，容易造成 計算誤差[34]。
第二類基於位置的車距預測(Position-based Distance estimation)根據架設 於車輛的行車紀錄器高度與角度，將三維實際行車畫面轉至二維影像中，
根據辨識出車輛特徵點後，計算影像底部至車輛特徵點的像素量，藉此 計算出前方車輛之車距。此方法的優點在於無須知道物體大小即可計算 前方物體距離，但缺點為容易被雜訊影響[34]。
4. 辨識區域繪製(Region of Interest):車輛警示系統通常要求高即時性的反應，
所以在行車影像辨識中，不僅是將影像經過色彩空間轉換(轉灰階與二值化) 來減少計算量。更進一步是我們將處理的焦點放在有興趣的區域，藉此降低 計算量。如圖二[35]所繪製的辨識區塊(如超車區塊(Overtaking region)，前方
車輛所行駛的四周環境，通常用於擴大駕駛視野，避免發生駕駛盲點；現行 車輛側方與全周輔助系統包含:盲點偵測警示、後方障礙物偵測警示與全周 影像輔助系統等。
3. 停車輔助:根據裝置於車輛後方的行車紀錄器或雷達角度感測器，擷取與感 測駕駛後方環境距離，協助駕駛人進行停車動作。
4. 車內監視:藉由安裝於車內的攝影機與駕駛人行為辨識模組，根據駕駛人的 行為模式進行分析，例如辨識駕駛人的駕駛行為、疲勞與分心駕駛警示。
表1.車用影像輔助系統[36]
應用範圍 技術
前方輔助
車道偏移警示 前方碰撞警示 行人偵測警示 交通號誌辨識
智慧車燈
立體視覺道路環境偵測
側方與全周輔助 盲點偵測警示
後方障礙物偵測警示
停車輔助 停車輔助
車內監視 疲勞與不專心駕駛輔助
3-1 行車記錄器影像辨識
圖五為行車所截取的影像，我們將利用這影像為例子來說明所開發的系 統如何進行車道辨識、車輛辨識、車速辨識，車距計算與辨識區域繪製等。
圖五. 行車紀錄器擷取影像
3-1-1 車道辨識
在本系統主要使用霍夫線轉換(Hough Line Transform)[15]做車道辨識，霍夫 線轉換是一種在圖像中尋找直線或圓的簡單方法。首先對輸入的影像(圖五)從三 維度(RGB)的彩色影像轉為灰階圖(圖六)，接著將灰階圖(圖六)轉成二值圖並做邊 緣檢測(圖七)，最後進行霍夫線轉換取得車道線資訊。
圖六. 灰階處理 圖七. 邊緣檢測
16
3-1-4 車速計算
一般行車時車速可由車輛的車速表獲得，也可利用車上行車導航系統 (Global Positioning System, GPS)來獲取車速，但藉由 GPS 所取得的車速通常會 略低於車速表中的車速，主要是由於 GPS 是以衛星測的移動直線距離，再由導 航機計算出速度，因此會造成些微誤差。本系統提出另一種獲取車速的方法，即 藉由行車紀錄器的影像來計算出車輛目前的速度。
一般而言物體本身的移動速度可藉由其他固定的參考物體於連續影像中出 現的移動量來計算。而利用行車影像計算車輛本身的車速時，主要的挑戰在於如 何從行進中的畫面來尋找可利用的固定參考物體。本系統使用車道線做為參考物 體，藉由連續影像中車道線的移動量來計算本身車輛當時的車速。
本系統是以每秒25個幀(Frame)為處理單位，因此每個幀的間隔秒數為1/25 秒，藉由前一個幀所辨識到的車道線與後一個幀所辨識到的車道線間距，即可算 出目前駕駛人行車車速(如式(1))。
1 2 /0.04 ∗ 3.6 (1)
其中
S : 駕駛人車速(km/h)
d1 : 幀1的車道線邊點 p 到車身距離(m) d2 : 幀2的車道線邊點 p 到車身距離(m)
以圖十六、十七為例，若圖十六為幀1所擷取到的車道位置距離為8m，圖十 七為幀2所擷取到的車道位置距離為6.8m，由上述公式即可推算出駕駛人目前車 速為108 km/hr。
24
第四章、 實驗結果與討論
4-1 實驗環境
本論文是利用架設於車輛後照鏡下方的行車紀錄器，將車輛行駛於路面的影 像擷取錄製，利用實驗室電腦執行本智慧型危險駕駛偵測系統處理。
本論文實驗所用的行車影像解析度為 1920 1080，並將影像縮放為
1280 720 以加快系統處理速度，影像頻率為每秒 25Frame，鏡頭焦距分別包含 5mm、10mm 與 12mm 等規格。本系統是在實驗室電腦上執行，系統所使用的電 腦配備如表三所示。
表三:電腦配備規格表
電腦配備
處理器
模組 Intel Core i3
速度 2.4G
形式 筆記型電腦
記憶體 2G DDR3
本論文實驗所使用的行車影像以高速公路為主，實驗影像共為 22 筆，其中 兩筆為正常行駛於公路未發生危險行為的影像時間約為 4 至 5 分鐘影片。另外二 十筆以前面章節所定義之危險駕駛行為分類，包含正常行車車距影片五筆、未保 持安全車距影片五筆，正常超車未超速影片五筆與超車並且超速影片五筆作為分 析系統效能。
4-2 實驗結果
4-2-1 未保持安全車距偵測
未保持安全車距偵測主要是利用，3-1 節中所使用的車速計算與車距計算為 依據，當計算出自身車輛車速後，立即根據公路法規所定義之安全車距繪製出，
前方車輛應保持的車距，當前方車輛進入危險車距範圍(畫面中黃色虛線內)，圖 如二十八則前方車輛資訊立即轉為紅色警示，並標示未保持安全車距。以下將介 紹各種未保持安全車距的實例，並且展示偵測成功與偵測失敗的情況。
本系統未保持安全車距偵測成功結果如圖二十九、圖三十與圖三十一所示。
圖二十八為前方白色車輛持續進行惡意逼車行為，造成該車輛未保持安全車距。
圖二十九紅色車輛從右方強行切入，並且未保持安全車距，因此偵測系統立即將 該車輛資訊以紅色警示顯示。圖三十中原本前方車輛保持安全車距(a)，但由於 前方發生追撞事件，造成車輛緊急煞車進入危險車距範圍內(b)。圖三十一前方 車輛從右方強行切入，系統偵測到未保持安全車距後立即發發出警示，並且持續 追蹤直到該車輛離開危險車距範圍(d)
本系統未保持安全車距偵測失敗結果如圖三十二與圖三十三所示。圖三十二 偵測錯誤主要原因為系統對於前方車輛位置的辨識誤差，造成該車輛已進入危險 範圍，但系統卻未發出警示訊號。圖三十三為路面標線造成錯誤的車輛辨識，導 致系統誤以為前方有車輛進入危險車距範圍。