减少影像侦测错误的处理方法与主机与流程

本申请涉及驾驶安全，特别是涉及驾驶员专心程度的影像监控机制，具体涉及一种减少影像侦测错误的处理方法与主机。

背景技术：

1、近来关于协助性或自主性载具驾驶的科技发展有显著的进步。芯片内系统的良率进步之后，使得载具的认知、感测与控制系统有了长足的进步，让更加可靠安全的全自动化驾驶载具的可能性提高。然而，在实现上述的理想之前，驾驶员的存在是必要的。

2、在确保载具安全时，其中一个重要的因素为载具驾驶员的专心程度，其包含了认知与视觉两个方面。从欧美澳在2019与2021年之间的意外报告分析中显示，大约有17％的致死性载具意外源于驾驶员的分心和/或不专注。根据美国疾病控制与避免中心(centerfor disease control and prevention)的建议指出，驾驶员的分心可以分类为三种：视觉性分心(视线偏离事件)、操控分心(手部偏离事件)、以及心理分心(专注偏离事件)。驾驶员专注匮乏的范例包含了与乘客互动、使用电话、视线在载具内部或外部、吃喝、唱歌或跳舞、化妆、抽烟、操作装置、以及拿取物品等。上述的行为导致了较慢的反应时间，减慢了适当的计划与控制决策等，凸显了驾驶员监控系统(driver monitoring system,dms)的需求。基于传感器所侦测的事件，驾驶员监控系统被用来产生给驾驶员的反馈，其包含了听觉、视觉和/或触觉的警告信息，当驾驶员的专注程度低于一定范围时知会他们。

3、某一种传统的驾驶员监控系统在影像侦测时，往往针对手机与香烟等进行侦测。但是手机与香烟的体积不大，在整个影像当中所占用的像素比例很小。当直接利用影像侦测手机与香烟时，经常无法检测出手机与香烟。

4、另一种传统的驾驶员监控系统在影像侦测时，就针对手握手机或手持香烟进行侦测。虽然侦测机率提高了，但如果驾驶员以手撑脸或抓痒的手势，手部形态通常会和手握手机或手持香烟类似，经常有误警(false alarm)发生。当误警发生之后，驾驶员监控系统可能采用的反馈机制，包含使用抖动座椅、震动安全带、发出声音或灯光提示等方式来提醒驾驶员。驾驶员监控系统还可能介入载具的操控，例如进行减速，闪烁灯光等。比起侦测不到手机或香烟的情况，这些误警会让驾驶员感到不舒适，而影响驾驶员的心情。

5、据此，亟需一种在影像侦测时，能够减少判断影像错误的处理方法，既能够提高侦测到小影像比例的对象，又能够减少误警机率，以便增强驾驶员监控系统的可靠度。

技术实现思路

1、根据本申请的一实施例，提供一种减少影像侦测错误的处理方法，包含：利用对象侦测模型对一影像所包含的感兴趣的范围进行分类，以便寻找第一类对象的像素范围与第二类对象的像素范围；根据该第一类对象的像素范围与对应至该第一类对象的多个第一范例屏蔽进行比对，以得到第一判断结果，其用于表示该第一类对象的像素范围是否对应至该第一类对象；根据该第二类对象的像素范围与对应至该第二类对象的多个第二范例屏蔽进行比对，以得到第二判断结果，其用于表示该第二类对象的像素范围是否对应至该第二类对象；以及根据该第一判断结果与该第二判断结果，判断该感兴趣的范围是否包含该第二类对象。

2、较佳地，为了取得感兴趣的范围，更包含：接收该影像；以及利用该对象侦测模型对该第一类对象进行侦测以获得该感兴趣的范围。

3、较佳地，为了获得第一判断结果，上述根据该第一类对象的像素范围与对应至该第一类对象的多个第一范例屏蔽进行比对的步骤更包含：利用该第一类对象的像素范围的形状文本分别与该多个第一范例屏蔽的形状文本计算第一相似度；以及当至少一个该第一相似度大于第一临界值时，该第一判断结果为真，否则该第一判断结果为伪。

4、较佳地，为了获得第二判断结果，上述根据该第二类对象的像素范围与对应至该第二类对象的多个第二范例屏蔽进行比对的步骤更包含：利用该第二类对象的像素范围的形状文本分别与该多个第二范例屏蔽的形状文本计算第二相似度；以及当至少一个该第二相似度大于第二临界值时，该第二判断结果为真，否则该第二判断结果为伪。

5、较佳地，为了获得第一范例屏蔽与第二范例屏蔽，上述的多个第一范例屏蔽与上述的多个第二范例屏蔽选自上述对象侦测模型的训练数据集。

6、较佳地，为了获得较佳的对象侦测结果，上述的对象侦测模型包含使用ghostpan架构的颈部网络。

7、较佳地，为了避免正负样本严重不平衡时，导致模型忽略小面积目标区域，进而影响影像分割的准确度，上述的对象侦测模型使用dice loss作为损失函数进行训练。

8、较佳地，为了避免误警，其中当该第一判断结果与该第二判断结果均为真时，判断该感兴趣的范围包含该第二类对象；以及当该第一判断结果为真与该第二判断结果为伪时，判断该感兴趣的范围不包含该第二类对象。

9、较佳地，为了增加侦测第二类对象的机率，当该第一判断结果为伪与该第二判断结果为真时，判断该感兴趣的范围包含该第二类对象。

10、较佳地，为了适用于驾驶员监控系统，其中该影像是针对载具的驾驶员的正面，其中该第一类对象包含下列对象其中之一或其任意组合：手部、脚部与非该驾驶员的脸部，其中该第二类对象包含下列对象其中之一或其任意组合：手机；烟；水杯；水瓶；食物；食物包装；眉笔；化妆镜；化妆棉；手帕；以及卫生纸。

11、较佳地，为了对驾驶员进行提示，其中当判断该感兴趣的范围包含该第二类对象时，发出下列提示之一：视觉提示；听觉提示；触觉提示；上述的触觉提示包含对驾驶员的方向盘、座椅、安全带、操控装置进行震动或摇晃。

12、根据本申请一实施例，提供一种用于减少影像侦测错误的主机，该主机包含至少一个处理器以执行非挥发性内存内的指令，用于实现如前所述的减少影像侦测错误的处理方法。

13、有益效果：根据本申请所提供的减少影像侦测错误的处理方法与主机，能够减少判断影像错误，既能够提高侦测到小影像比例的对象，又能够减少误警机率，以便增强影像侦测和/或驾驶员监控系统的可靠度。

1.一种减少影像侦测错误的处理方法，其特征在于，包含：

2.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，更包含：接收该影像；以及利用该对象侦测模型对该第一类对象进行侦测以获得该感兴趣的范围。

3.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，上述根据该第一类对象的像素范围与对应至该第一类对象的多个第一范例屏蔽进行比对的步骤更包含：利用该第一类对象的像素范围的形状文本分别与该多个第一范例屏蔽的形状文本计算第一相似度；以及当至少一个该第一相似度大于第一临界值时，该第一判断结果为真，否则该第一判断结果为伪，

4.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，上述的多个第一范例屏蔽与上述的多个第二范例屏蔽选自上述对象侦测模型的训练数据集。

5.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，上述的对象侦测模型包含使用ghostpan架构的颈部网络。

6.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，上述的对象侦测模型使用dice loss作为损失函数进行训练。

7.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，当该第一判断结果与该第二判断结果均为真时，判断该感兴趣的范围包含该第二类对象；以及当该第一判断结果为真与该第二判断结果为伪时，判断该感兴趣的范围不包含该第二类对象。

8.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，当该第一判断结果为伪与该第二判断结果为真时，判断该感兴趣的范围包含该第二类对象。

9.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，该影像是针对载具的驾驶员的正面，其中该第一类对象包含下列对象其中之一或其任意组合：手部、脚部与非该驾驶员的脸部，其中该第二类对象包含下列对象其中之一或其任意组合：手机；烟；水杯；水瓶；食物；食物包装；眉笔；化妆镜；化妆棉；手帕；以及卫生纸。

10.如权利要求1所述的减少影像侦测错误的处理方法，其特征在于，当判断该感兴趣的范围包含该第二类对象时，发出下列提示之一：视觉提示；听觉提示；触觉提示；上述的触觉提示包含对驾驶员的方向盘、座椅、安全带、操控装置进行震动或摇晃。

11.一种用于减少影像侦测错误的主机，该主机包含至少一个处理器以执行非挥发性内存内的指令，用于实现如权利要求1-10其中之一所述的减少影像侦测错误的处理方法。