摄像头屏蔽器处理盲点区域方式

    姚博士研究的重点是摄像头在特定条件下的视觉对象识别。要识别的对象以及摄像机的移动，识别任务的可用时间非常短。这个一般性问题适用于一个特定的问题：主动盲点相机。统计数据显示，大量卡车事故与所谓的盲点有关，即车辆周围的区域，卡车司机很难察觉弱势道路干扰器使用者。一个简单的解决方案是，现在由欧盟法律强制执行的盲点镜显示每年的事故数量没有减少。

    其他技术解决方案（如超声波传感器或红外系统）都有其特定的缺点，因此远不是完美的解决方案。必须找到另一种解决方案，检测监控系统会主动向驾驶员发出警告。因此，本博士研究的目的是实现一种主动盲点摄像头，该摄像头可以通过图像处理在摄像头图像中检测弱势道路使用者，并就此向驾驶员发出警告。这个研究课题带来了许多挑战。可用的时间裕度非常小，这与屏蔽器非常高的可靠性要求相矛盾。此外，异构对象类的时间高效识别是一个挑战。

    由于最终监控摄像头系统应集成在现有的被动盲点相机系统中，因此计算资源有限。此外，特定的侧视盲点摄像头位置与通常描述的前视行人检测系统有很大不同。目前，我们实现了这一总体安全解决方案的一部分：我们开发了一个强大的多行人检测和跟踪框架，完全依靠卡车盲点摄像头的视觉输入。我们的算法利用场景约束和时间信息来减少搜索空间。这种方法允许使用精确的行人检测器，否则计算成本太高。使用这种方法，我们可以在高处理速度下获得出色的屏蔽器精度结果，同时只依赖单核CPU实现。