引言

随着我国道路交通事业发展迅猛，汽车保有量已超过1.5亿辆，并且保持继续增长的趋势。道路交通运输的蓬勃发展为我国的运输事业提供了强有力的支撑，但同时也带来了巨大的交通安全隐患。道路交通事故已成为各种事故之首，是建立交通运输安全可持续发展的交通体系的重大阻碍。因此，通过技术手段建立道路交通安全保障系统以减少交通事故是是当务之急。本文在剖析驾驶过程中驾驶员视觉功能的基础上，对基于车载机器视觉的各种汽车安全技术的研究现状进行介绍与分析，并展望该领域的发展趋势。

1 驾驶过程描述

根据人行为的刺激—机体一反应经典模式，驾驶汽车的行为可分为三个阶段，如图1所示，即感知阶段、判断决策阶段和操作阶段。在感知阶段，驾驶员对实时的交通状态信息进行获取和初步理解，通过感觉器官感知汽车的运行环境条件；在判断决策阶段，驾驶员结合驾驶经验和技能，通过中枢神经系统分析判断，确定有利于汽车安全行驶的措施；在操作阶段，驾驶员依据判断决策，通过运动器官作出实际反应和行动。汽车行驶时，驾驶行为是这三个阶段所组成的一个不断往复进行的信息处理过程，也就是感知作用于判断决策从而影响到操作。感知阶段是保证安全驾驶的基础。如果没有感知到准确和及时的环境信息，极有可能导致判断决策和动作的失误，酿成交通事故。在感知阶段获取信息主要靠视觉、触觉、嗅觉和听觉，其中80%以上是通过驾驶员视觉获取信息的。驾驶视觉直接影响感知信息量的广度、深度和准确性，因此，驾驶员的视觉特性与行车安全有直接的联系。基于车载机器视觉的汽车安全辅助驾驶技术旨在提高驾驶员视觉效能，通过改善视觉和驾驶行为的关系，并辅助驾驶以减少因视觉原因带来不当操作，从而使人-车-路系统更加稳定可靠，提高车辆的主动安全性。

2 车辆外部信息的机器视觉辅助驾驶技术

人眼的作用能力是有限的，获得通过一系列车辆外部信息的机器视觉辅助驾驶技术可以提高视觉适应性、增加视觉范围、增强视觉理解深度。从车辆操作过程来划分，车辆外部信息的机器视觉辅助驾驶技术的研究包括：驾驶环境的视觉增强与扩展和驾驶环境的机器视觉识别。

2.1 驾驶环境的视觉增强与扩展及显示

2.1.1 视觉增强

视觉增强系统是智能交通系统中先进车辆控制技术之一，能够提供在不同气候（雾天，雨天，沙尘）、一天中不同的时间的增强驾驶员视觉。一般有两种增强方法：①通过传感器感知系统来监控道路交通环境，处理信息而得到实时道路交通状况，并将相关的视觉信息提供给驾驶员，从而达到智能视觉增强的目的；②通过改善驾驶员的视觉环境，提高驾驶员视觉效果。主要是除去挡风玻璃上的雨水和霜、提高汽车前照灯的智能化等，达到增强低能见度、低照度等不利条件下的驾驶员视觉目的。

利用人眼的视觉特性，采用CCD、红外传感器、车速传感器、GPS及毫米波雷达等传感器获取道路信息，进行信息处理和融合，提取低能见度、低照度下交通环境的有用信息并剔除噪声，并以图像的形式提供给驾驶员。低能见度视觉增强系统最早应用在飞机着陆中，二十世纪80年代末期至90年代初期，人们提出了视景系统（VisionSystem）概念。采用不同手段和不同综合方法构成的视景系统分为：

（1）传感器视景系统（SensorVS）

前视传感器实时检测到的驾驶舱外视见景象，可以由单传感器生成或多传感器综合，其视景接近真实世界的自然景象。

（2）合成视景系统（SVS）

由地形数据库存储的地形模型构建的虚拟视景称为合成视景（SV）。

（3）增强视景系统（EVS）

传感器视景和合成视景的叠合称为增强视景（Enhancedvision）。既有实时探测到的自然视景，也有数据库生成的虚拟视景，两者匹配叠合，即利用虚拟视景的深刻轮廓线去增强模糊视景，包括了SensorVS和SVS两个系统，它们在恶劣的气象条件下可以增强窗外视景的可见性[1]。

2.1.2 视觉扩展

视觉扩展是对驾驶员视觉进行补偿，运用视觉等传感器扩展驾驶员视野范围，如福特公司的CamCar，采用多个微小的摄像机和三个可切换的视频显示屏为驾驶员提供了前、后视线，方便停车时的操作，提高在拥挤的交通中行驶的安全性。CamCar的技术特点包括：

（1）前向摄像机系统。

装在汽车的两侧，提供绕过障碍物的视野。覆盖角可达22°，在300m的距离上相当于116m宽的视场。

（2）增强的侧面视野。

CamCar摄像机系统的第二个部分由两台后向摄像机组成，这两台摄像机不间断地提供相邻车道的后向视野。其覆盖范围比传统的后视镜宽广得多。这样，驾驶员在换道前就能对后面驶来的车辆加以监测。这种后向视野事实上没有盲点。后向摄像机装在汽车侧面，和侧视镜差不多。其镜头可以提供一个较广阔的视野，每侧摄像机的覆盖角为49°。

（3）车后全景视图。

CamCar的后向视野是通过精确设计安装在车后的4个微型摄像机得到加强。4个摄像机呈扇形展开，以4个分开的图像，来捕获车后一个很宽的区域内的路面情况。这些图像被送入一个复杂的计算机程序中进行比较和叠加，然后合成一个无缝的全景视图，总覆盖角可达160°。

2.1.3 显示技术

道路环境图像显示和道路环境报警设备是驾驶员和车辆间交互的接口，其设计应具有良好的人因特性。目前车载的信息显示设备主要有两种：低头显示器（headdowndisplay）和抬头显示器（head-updisplay），其中低头显示器主要应用在车载导航系统和多媒体系统中，其设计与应用比较成熟。如福特公司的CamCar的仪表板上设有三个视频显示屏，一个中心显示屏和两个侧面附加显示屏。显示的图像可以根据具体情况加以改变，以便为驾驶员提供最重要的信息。而抬头显示器多用于汽车安全辅助驾驶显示系统中，可便于驾驶员在汽车高速行驶时，快速浏览屏幕上的道路环境与警示信息，其设计尚处于开发、完善阶段。

2.2 驾驶环境的机器视觉识别

驾驶环境的机器视觉识别是更高一级的汽车安全辅助驾驶技术，通过图像传感器识别道路环境参数并判别行车的安全性，主要包括：车道检测、车辆检测、行人检测、道路标志检测等。

2.2.1 车道检测

目前车道检测多通过道路标线、道路边缘的检测实现，在车道检测中典型的驾驶安全辅助系统有车道偏离报警系统（LaneDepartureWarningSystem）和转弯减速调节系统。

车道偏离报警系统由摄像机、速度传感器、信息处理系统、方向盘调节器、报警系统等组成。车辆一旦有偏离车道的倾向，便会通过指示灯及蜂鸣器向驾驶员报警。当根据驾驶员的转向灯操作断定为有意识地进行车道变更时，便会暂时停止报警。可切断系统开关，但车辆再次起动时系统便会自动开始工作。车道偏离报警系统多采用单目摄像机探测道路标线图像，为增加系统检测道路标线的可靠性，日本汽车研究所ITS中心探索利用双目CCD摄像机和实时差分GPS系统检测运行车辆偏离道路标线情况。

2.2.2 车辆检测

车辆检测是利用各种传感器探测前方、侧方、后方的车辆的信息，包括前后方车辆速度、位置以及障碍物的大小位置等。与此相关的汽车驾驶安全辅助支持系统有自适应巡航控制系统（ACC，adaptivecruisecontrolsystem）、前向碰撞预警系统（FCW，ForwardCollisionWarning）、横向碰撞预警系统（LDW，LateralDriftWarning），泊车辅助系统（ParkingAssistanceSystem）。在ACC和FCW中采用77GHZ微波雷达或摄像机采集道路前方信息，并融合道路几何线形、电子地图数据作为汽车巡航控制的输入信号或显示给驾驶员。在LDW中采用摄像机、前方探测雷达、侧向探测雷达采集本车前向和侧向信息，并融合道路宽度等数据，作为LDW系统输入数据。在泊车辅助系统中采用超声传感器或雷达探测本车后方与侧方的障碍物信息，并显示给驾驶员。在日本的ASV（AdvancedSafetyVehicle）、美国的IVI（IntelligentVehicleInitiative）、欧洲的e-Safety项目中ACC、FCW、LDW、泊车辅助系统等均有研究。

2.2.3 交通标志的探测

道路交通标志为重要的道路交通安全附属设施，可向驾驶员提供各种引导和约束信息。

驾驶员实时地正确地获取交通标志信息，可保障行车更加安全。在汽车安全辅助驾驶系统中交通标志的探测是通过图像识别系统实现的。戴姆勒·克莱斯勒公司目前正开展新一代图像识别系统研究，该系统在道路标志方法上首先对形状进行判断，然后再读取上述形状中的文字和图形信息，以做出最终判断。在难以对标志进行判断时，驾驶员也可利用事先记录的道路标识相关电子地图数据进行识别。宝马公司在ADAS（AdvancedDriverAssistanceSystems）项目研究中，也利用图像识别技术进行了交通标志的研究，此外日本丰田公司也积极进行交通标志自动识别系统的研发。国外，许多研究人员在交通标志图像识别算法研究中进行了多方面的探索。交通标志图像识别包括交通标志定位（即确定感兴趣区域）、分类器设计等几个过程。交通标志与背景的颜色以及交通标志的形状在交通工程标准中有明确的规定，因此可根据交通标志颜色和形状进行定位研究。由于交通标志种类多，拍摄交通标志图像环境影响因素多，在交通标志模式分类器设计研究中多为非线性分类器。交通标志形态骨架，并利用匹配算法识别交通标志。

2.2.4 行人检测技术

车辆辅助驾驶系统中基于计算机视觉的行人检测是指利用安装在运动车辆上的摄像机获取车辆前面的视频信息，然后从视频序列中检测出行人的位置。基于计算机视觉的行人检测系统一般包括ROIs分割和目标识别两个模块。ROIs分割的目的是快速确定行人可能出现的区域，缩小搜索空间，目前常用的方法是采用立体摄像机或雷达的基于距离的方法，其优点在于速度比较快。目标识别的目的是在ROIs中精确检测行人的位置，目前常用的方法是基于统计分类的形状识别方法，其优点在于比较鲁棒。由于它在行人安全方面的巨大应用前景，欧盟从2000年到2005年连续资助了PROTECTOR和SAVE-U项目，开发了两个以计算机视觉为核心的行人检测系统；意大利Parma大学开发的ARGO智能车也包括一个行人检测模块；以色列的MobilEye公司开发了芯片级的行人检测系统；日本本田汽车公司开发了基于红外摄像机的行人检测系统；在国内西安交通大学、清华大学、吉林大学也在该领域做了许多研究工作。

3 车辆内部信息的机器视觉辅助驾驶技术

车辆内部信息的机器视觉辅助驾驶技术是通过车载的视像机判别驾驶员的状态、位置等信息，实施必要的安全保障措施，包括驾驶员视线调节以及驾驶疲劳检测等。

3.1 视线调节

驾驶员的视线调节是使每位驾驶员的眼睛处于同样的相对高度上，保证提供一个对路面和周围车道的无阻碍视野和最好的视见度，从而保障驾驶安全。该技术包括：

（1）眼位传感器可以测定驾驶员眼睛的位置，然后据此确定、调节座椅的位置；

（2）电机将座椅自动升降到最佳高度上，为驾驶员提供能够掌握路面情况的最佳视线；

（3）电机自动调整转向盘、踏板、中央控制台甚至地板高度，提供尽可能舒适的驾驶位置。在一些高档轿车上视线调节系统已经得到应用，如沃尔沃视线调节系统，由位于风窗上饰板内的一个视频摄像机扫描驾驶员的座椅区域以查找一个代表驾驶员脸部的模式，进而对驾驶员脸部进行扫描以确定其眼睛的位置，然后再找出各眼的中心，完成这三步工作时所需要的时间不到1s。

3.2 疲劳与分神检测

由于疲劳驾驶是重大交通事故主要原因，国内外研究机构纷纷开展该领域的研究。疲劳的与清醒的驾驶相比，较有特异性的指标是：方向盘的微调，头部前倾，眼睑的眨动、甚至闭合。在目前驾驶疲劳检监测系统研究中，多采用车载机器视觉系统监测人体姿态和操作行为信息，判别疲劳状态。在欧洲的e-Safety项目中开发了AWAKE驾驶诊断系统。该系统利用视觉传感器和方向盘操纵力传感器实时获取驾驶员信息，并利用人工智能算法判断驾驶员的状态（清醒、可能打瞌睡、打瞌睡）。当驾驶员处于疲劳状态时，通过声音、光线、振动等刺激驾驶员，使其恢复清醒状态。文献[34]通过自行开发的专用照相机、脑电图仪和其他仪器来精确测量头部运动、瞳孔直径变化和眨眼频率，用以研究驾驶疲劳问题。研究结果表明：

一般情况下人们眼睛闭合的时间在0.12～0.13s之间，驾驶时若眼睛闭合时间达到0.15s就很容易发生交通事故。

4 结语

驾驶员80%以上信息通过视觉获得，针对驾驶员视觉的不足，开发基于车载机器视觉的汽车安全辅助驾驶系统一直是智能交通的研究热点之一，文中对该领域技术现状进行综述，结论如下：

1）分析驾驶操作过程，并对驾驶操作的三个阶段进行描述；

2）根据信息获取范围将汽车安全辅助驾驶分为：外部信息的机器视觉与内部信息的机器视觉技术。外部信息的机器视觉技术分为：视觉增强、视野扩展、道路环境理解，内部信息的机器视觉技术分为：视线跟踪与驾驶疲劳监测，综述汽车安全辅助驾驶系统中机器视觉技术的研究现状；

3）分析了汽车安全辅助驾驶系统中机器视觉技术当前研究不足，指出：低能见度驾驶员视觉增强方法、道路环境理解信息融合以及驾驶疲劳检测等技术需进一步开展研究。