本發(fā)明涉及車載傳感器環(huán)境感知安全技術(shù)領(lǐng)域，適用于載有視覺傳感器的車輛，具體涉及一種車載視覺感知的信息安全系統(tǒng)及方法。

背景技術(shù)：

隨著信息技術(shù)的不斷發(fā)展，傳統(tǒng)車輛已經(jīng)難以滿足人們安全以及舒適的方面的需求，車輛的智能化已經(jīng)成為社會的研究熱點(diǎn)。近年來，各種智能駕駛系統(tǒng)逐漸發(fā)展起來，智能駕駛系統(tǒng)融合了各個方面的前沿科技，包括環(huán)境感知、智能控制等。其中環(huán)境感知中系統(tǒng)中的視覺傳感器在車道線識別、行人檢測、交通標(biāo)志識別等智能駕駛及半智能駕駛系統(tǒng)中得到廣泛應(yīng)用。

在現(xiàn)階段的智能車輛的研究過程中，車輛的信息安全一直缺乏關(guān)注，尤其是車載傳感器的視覺系統(tǒng)更缺乏安全角度的考慮。智能車輛在行駛的過程中應(yīng)用機(jī)器視覺系統(tǒng)進(jìn)行車道線識別、行人檢測、交通標(biāo)志識別等過程中很容易受到周圍環(huán)境的干擾特別是一些惡意的攻擊，如人為的強(qiáng)光照射攝像頭等惡意干擾視覺信息源的攻擊。此外，視覺感知系統(tǒng)很容易受到雨水、灰塵等自然因素干擾，因此，在智能駕駛以及輔助駕駛的過程中車載傳感器存在一定的安全隱患。

針對環(huán)境中光照等因素對車載攝像頭采集得到的視頻圖像質(zhì)量的影響，現(xiàn)階段也存在有一些算法用于解決此類問題。色彩空間轉(zhuǎn)換法只能適用于光照微小變化的圖像，直方圖均衡化法對于光照強(qiáng)烈的圖像不適用，而γ校正法不能處理暗光和強(qiáng)光并存的視頻圖像。

技術(shù)實現(xiàn)要素：

為解決以上問題，本發(fā)明提出了一種車載視覺感知的信息安全系統(tǒng)。該系統(tǒng)主要包括有車載視覺感知攝像頭、攝像頭自適應(yīng)調(diào)節(jié)裝置、視覺感知處理器、視覺預(yù)警裝置，此外還包括有一種自適應(yīng)圖像增強(qiáng)方法。

一種車載視覺感知的信息安全系統(tǒng)，包括車載攝像頭、攝像頭自適應(yīng)調(diào)節(jié)裝置、感知處理器和預(yù)警裝置，所述車載攝像頭包括攝像頭補(bǔ)光燈，用于在道路環(huán)境光線較弱時進(jìn)行補(bǔ)光；攝像頭鏡頭；角度調(diào)節(jié)限位機(jī)構(gòu)，用于限定攝像頭自適應(yīng)位置調(diào)節(jié)范圍；以及鍵槽機(jī)構(gòu)，用于連接所述攝像頭自適應(yīng)調(diào)節(jié)裝置。

所述車載攝像頭為密閉式結(jié)構(gòu)，具有防水功能。

所述攝像頭自適應(yīng)調(diào)節(jié)裝置包括：攝像頭位置調(diào)節(jié)限位凸起機(jī)構(gòu)、連接鍵、驅(qū)動電機(jī)；所述位置調(diào)節(jié)限位凸起機(jī)構(gòu)與所述角度調(diào)節(jié)限位機(jī)構(gòu)共同用于限定攝像頭自適應(yīng)位置調(diào)節(jié)范圍；所述連接鍵用于與所述鍵槽機(jī)構(gòu)配合，所述驅(qū)動電機(jī)輸出端與所述連接鍵連接。

所述角度調(diào)節(jié)限位機(jī)構(gòu)和位置調(diào)節(jié)限位凸起機(jī)構(gòu)均為弧形凸起結(jié)構(gòu)。

所述預(yù)警裝置為語音播報裝置。

一種保護(hù)車載視覺感知信息安全的方法，包括以下步驟：

步驟1：通過車載攝像頭獲取道路環(huán)境信息，車載攝像頭與攝像頭自適應(yīng)調(diào)節(jié)裝置通過鍵連接，其中，車載攝像頭在攝像頭自適應(yīng)調(diào)節(jié)裝置中可旋轉(zhuǎn)至三個不同位置，在每一個位置處對應(yīng)的圖像處理算法都經(jīng)過實驗標(biāo)定；

步驟2：判斷是否存在環(huán)境干擾以及干擾是否為人為攻擊；

步驟3：當(dāng)存在環(huán)境干擾或者人為攻擊時，進(jìn)行圖像增強(qiáng)操作；當(dāng)干擾為人為攻擊時，通過攝像頭自適應(yīng)調(diào)節(jié)裝置調(diào)節(jié)車載攝像頭的位置以避開人為攻擊，同時通過所述預(yù)警裝置發(fā)出預(yù)警。

其中，所述步驟2的判斷方法具體為：對車載攝像頭采集的視頻圖像進(jìn)行卷積處理，得到各區(qū)域的卷積值，處理公式為p＝I*G，上式中，G為卷積核，I為卷積核系數(shù)，p為卷積值；判斷，若相鄰的兩區(qū)域差值大于設(shè)定的閾值時，即可認(rèn)為此處存在光源干擾，進(jìn)一步的若干擾區(qū)域大于設(shè)定數(shù)量以上時，則認(rèn)為存在有人為惡意攻擊。

所述步驟3的圖像增強(qiáng)的具體步驟為：

1)首先在獲取到視頻的一幀圖像信息后，進(jìn)行圖像的灰度化，

2)將灰度化后的圖像進(jìn)行自適應(yīng)圖像增強(qiáng)，主要包括對數(shù)變換和非線性圖像增強(qiáng)；

2a：對數(shù)變換采用如下壓縮公式：

I₁(x,y)＝ln(e+I₀(x,y))

上式中I₀(x,y)為車載攝像頭采集到的原始圖像的灰度值，I₁(x,y)為變換后的圖像灰度值，變換后并將此值乘以比例系數(shù)k，從而使像素的灰度值分布在正常的圖像灰度范圍內(nèi)；

2b：采用非線性圖像增強(qiáng)對車載攝像頭獲取得到的圖像中較亮信息進(jìn)行抑制，具體的應(yīng)用公式如下：

上式中I₂(x,y)為非線性增強(qiáng)后圖像的灰度值，m為非線性變換參數(shù)，具體的計算表達(dá)式如下：

為車載攝像頭獲取得到的每一幀圖像的平均灰度值，a為調(diào)整系數(shù)，需要根據(jù)實際的實驗標(biāo)定，k(I)為非線性分級，分為兩級，具體的表達(dá)式如下：

上式中，b、c為抑制基準(zhǔn)，需要根據(jù)實際的實驗結(jié)果標(biāo)定得到；

2c：對圖像的對數(shù)變換和非線性變換的綜合，綜合的表達(dá)式如下：

I(x,y)＝β*I₁(x,y)+(1-β)*I₂(x,y)

式中的β為綜合系數(shù)，β的范圍在0與1之間，β的選取根據(jù)車載攝像頭采集的圖像信息而定；

3)將自適應(yīng)圖像增強(qiáng)后的圖像進(jìn)行輸出，進(jìn)一步的對輸出的圖像進(jìn)行必要的圖像處理。

所述三個不同位置分別為攝像頭與水平線夾角為45°、60°和30°。

所述的b＝8，c＝9，β＝0.4。

本發(fā)明的優(yōu)點(diǎn)在于：

(1)本發(fā)明一種車載視覺感知的信息安全系統(tǒng)，提出車輛智能化信息安全相關(guān)概念，針對視覺傳感器信息安全發(fā)明了一套視覺傳感器信息安全系統(tǒng)，當(dāng)智能車輛視覺感知傳感器在存在有人為的惡意攻擊或自然環(huán)境干擾時，可對干擾信息做出判斷，并采取自適應(yīng)保護(hù)及預(yù)警措施，極大的保護(hù)了智能車輛視覺傳感器，從而保證了獲取的視覺信息穩(wěn)定可靠。

(2)本發(fā)明一種車載視覺感知的信息安全系統(tǒng)，提出了一種視覺傳感器自適應(yīng)保護(hù)裝置，針對不同光線對攝像頭照射時攝像頭可自適應(yīng)調(diào)整角度，從而保證了獲取的圖像信息不受外界干擾信息的影響，同時保護(hù)了視覺傳感器。

(3)本發(fā)明一種車載視覺感知的信息安全系統(tǒng)，提出了一種新的圖像光照增強(qiáng)算法，可對惡意攻擊或干擾圖像信息作出判斷，能及時自我修復(fù)并作出預(yù)警，極大的保護(hù)了智能車輛的行駛安全。

附圖說明

圖1為本發(fā)明一種車載視覺感知的信息安全系統(tǒng)發(fā)明流程圖。

圖2為本發(fā)明一種車載視覺感知的信息安全系統(tǒng)攝像頭結(jié)構(gòu)示意圖。

圖3為本發(fā)明一種車載視覺感知的信息安全系統(tǒng)攝像頭自適應(yīng)調(diào)節(jié)裝置示意圖。

圖4是本發(fā)明一種車載視覺感知的信息安全系統(tǒng)車載圖像信息增強(qiáng)流程圖。

具體實施方式

下面將結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。

一種車載視覺感知的信息安全系統(tǒng)，主要包括有車載視覺感知攝像頭、攝像頭自適應(yīng)調(diào)節(jié)裝置、視覺感知處理器、視覺預(yù)警裝置，此外還包括有一種自適應(yīng)圖像增強(qiáng)方法。

所述的車載視覺感知攝像頭如圖2所示，具有較強(qiáng)的密封性以及防水功能，主要包括有攝像頭補(bǔ)光燈21、攝像頭鏡頭22、角度調(diào)節(jié)限位機(jī)構(gòu)23以及鍵槽機(jī)構(gòu)24。攝像頭補(bǔ)光燈21在道路環(huán)境光線較弱時可以進(jìn)行補(bǔ)光，角度調(diào)節(jié)限位機(jī)構(gòu)23用于限定攝像頭自適應(yīng)位置調(diào)節(jié)范圍，鍵槽機(jī)構(gòu)24用于連接車載攝像頭與攝像頭自適應(yīng)調(diào)節(jié)裝置驅(qū)動電機(jī)。

所述的攝像頭自適應(yīng)調(diào)節(jié)裝置如圖3所示，主要包括有攝像頭位置調(diào)節(jié)限位凸起機(jī)構(gòu)31、連接鍵32、驅(qū)動電機(jī)33。位置調(diào)節(jié)限位凸起機(jī)構(gòu)31與車載攝像頭中角度調(diào)節(jié)限位機(jī)構(gòu)23共同用于限定攝像頭自適應(yīng)位置調(diào)節(jié)范圍，連接鍵32用于連接車載攝像頭和攝像頭自適應(yīng)位置驅(qū)動電機(jī)，驅(qū)動電機(jī)33用于驅(qū)動攝像頭旋轉(zhuǎn)，從而達(dá)到控制攝像頭自適應(yīng)旋轉(zhuǎn)的目的。

本發(fā)明的流程圖如圖1所示，具體包括：

步驟1：通過車載攝像頭獲取道路環(huán)境信息，車載攝像頭與車載攝像頭自適應(yīng)調(diào)節(jié)機(jī)構(gòu)通過鍵連接，車載攝像頭在自適應(yīng)調(diào)節(jié)機(jī)構(gòu)中可旋轉(zhuǎn)至三個不同位置，在每一個位置處對應(yīng)的圖像處理算法都經(jīng)過實驗標(biāo)定，從而保證了后期視頻圖像信息處理的精準(zhǔn)有效。

步驟2：判斷是否存在環(huán)境干擾以及干擾是否為人為攻擊。環(huán)境干擾以及人為攻擊在車載攝像頭采集得到的視頻圖像中表現(xiàn)為圖像的某一區(qū)域出現(xiàn)高亮度，同時本實施例中所采用的車載攝像頭的分辨率為1920*1080，判斷圖像中是否存在干擾信息在本實施例中通過一個6*6的卷積核，且卷積核內(nèi)各系數(shù)均為1，即p＝I*G，G為卷積核，在對整幅圖像作完卷積后得到各區(qū)域的卷積值，若相鄰的兩區(qū)域差值大于設(shè)定的閾值20時，即可認(rèn)為此處存在光源干擾，進(jìn)一步的若干擾區(qū)域大于4個以上，則認(rèn)為存在有人為惡意攻擊。

步驟3：當(dāng)存在有環(huán)境干擾或者存在人為攻擊時需要進(jìn)行圖像增強(qiáng)。進(jìn)一步的若存在人為攻擊時還需要進(jìn)行攝像頭位置自適應(yīng)調(diào)整并發(fā)出預(yù)警。攝像頭通過攝像頭自適應(yīng)調(diào)節(jié)裝置可以處于三個不同的位置，分別為位置1、位置2、位置3，位置1時攝像頭朝向與水平線夾角為45度，位置2時攝像頭朝向與水平線夾角為60度，位置3時攝像頭與水平線夾角為30度。正常狀態(tài)下，攝像頭處于位置1處，當(dāng)步驟2檢測到存在人為攻擊時，若人為攻擊對應(yīng)存在于視頻圖像的上半部分，則自適應(yīng)調(diào)節(jié)裝置將攝像頭旋轉(zhuǎn)至位置3處，若人為攻擊存在于視頻圖像的下半部分，則自適應(yīng)調(diào)節(jié)裝置將攝像頭旋轉(zhuǎn)至位置1處，從而使攝像頭避開信息攻擊源，保證了信息安全。

步驟3所述的圖像增強(qiáng)，其流程圖如圖4所示，其具體的步驟如下：

1):首先在獲取到視頻的一幀圖像信息后，進(jìn)行圖像的灰度化，

2):將灰度化后的圖像進(jìn)行自適應(yīng)圖像增強(qiáng)，主要包括對數(shù)變換和非線性圖像增強(qiáng)。

2a：利用對數(shù)變換主要為了對車載攝像頭獲取得到的圖像進(jìn)行動態(tài)范圍壓縮，可以使得高值圖像中的暗像素進(jìn)行擴(kuò)展，也就是說使得車載攝像頭獲取得到的視頻信息中較暗區(qū)域進(jìn)行補(bǔ)光操作，具體的壓縮公式如下：

I₁(x,y)＝ln(e+I₀(x,y))

上式中I₀(x,y)為車載攝像頭采集到的原始圖像的灰度值，I₁(x,y)為變換后的圖像灰度值，變換后并將此值乘以比例系數(shù)k，從而使像素的灰度值分布在正常的圖像灰度范圍內(nèi)。

通過對車載攝像頭獲取得到的圖像進(jìn)行對數(shù)壓縮后，可以使得圖像中較暗的部分得到增強(qiáng)，但同時也會使導(dǎo)致圖像中原本較亮的環(huán)境信息顯得過亮，因此需要對此部分信息進(jìn)行抑制。

2b：對車載攝像頭獲取得到的圖像中較亮信息進(jìn)行抑制時主要應(yīng)用非線性圖像增強(qiáng)，具體的應(yīng)用公式如下：

上式中I₂(x,y)為非線性增強(qiáng)后圖像的灰度值，m為非線性變換參數(shù)，具體的計算表達(dá)式如下

為車載攝像頭獲取得到的每一幀圖像的平均灰度值，a為調(diào)整系數(shù)，需要根據(jù)實際的實驗標(biāo)定，本實驗室例中a為1，k(I)為非線性分級，分為兩級，具體的表達(dá)式如下：

上式中，b、c為抑制基準(zhǔn)，需要根據(jù)實際的實驗結(jié)果標(biāo)定得到，本實施例中b為8，c為9。

通過非線性圖像增強(qiáng)可以很好的抑制車載攝像頭采集圖像中的過亮信息，在此基礎(chǔ)上需要進(jìn)行對圖像的對數(shù)變換和非線性變換的綜合，綜合的表達(dá)式如下：

I(x,y)＝β*I₁(x,y)+(1-β)*I₂(x,y)

式中的β為綜合系數(shù)，β的范圍在0與1之間。β的選取根據(jù)車載攝像頭采集的圖像信息而定，本實施例中β取值為0.4。

3):將自適應(yīng)圖像增強(qiáng)后的圖像進(jìn)行輸出，進(jìn)一步的對輸出的圖像進(jìn)行必要的圖像處理，如車道線識別、行人檢測等，這里需要根據(jù)實際需求而定。