后，特征搜尋 模塊130可自第一圖像310搜尋特征點。在本實施例中，所述特征點即為構(gòu)成物件30的特 征，而此物件30為正向而來的車輛。計算模塊140即會判斷構(gòu)成物件30的所述特征點位 于遠距離的檢測區(qū)域314或是近距離的檢測區(qū)域312。而在圖3A的第一圖像310中，所述 特征點則是位于遠距離的檢測區(qū)域314。
[0056] 當計算模塊140判斷所述特征點位于近距離的檢測區(qū)域時，根據(jù)第一圖像W及第 二圖像，計算各所述特征點的移動向量(步驟S207);當計算模塊140判斷所述特征點位于 遠距離的檢測區(qū)域時，根據(jù)第一圖像與第二圖像其中之一者W及第H圖像，計算各所述特 征點的移動向量(步驟S209)。詳言之，當所述特征點位于近距離的檢測區(qū)域時，特征點所 構(gòu)成的輪廓或是區(qū)塊在各個圖像中所占的面積較大。在同一時間W及移動速度下，所述特 征點的位移較為顯著，因此計算模塊140可利用時間差較小的第一圖像W及第二圖像來 計算各所述特征點的移動向量，W減少特征點的搜尋時間并且達到實時處理（Realtime Processing)的功效。另一方面，當所述特征點位于遠距離的檢測區(qū)域時，特征點所構(gòu)成的 輪廓或是區(qū)塊在各個圖像中所占的面積較小。在同一時間W及移動速度下，所述特征點的 位移較不顯著，因此計算模塊140可利用時間差較大的第一圖像與第H圖像來計算各所述 特征點的移動向量，W更精確地計算位于遠方所述特征點的移動向量。
[0057] 在另一實施例中，當?shù)谝粫r間點ti、第二時間點t2W及第H時間點t3滿足不等式 (1)W及下列不等式（1. 5)的關(guān)系時：
[0058] Iti_t21《Ita-tsI 不等式（1. 5)
[0059] 當計算模塊140判斷所述特征點位于近距離的檢測區(qū)域時，根據(jù)第一圖像W及第 二圖像，計算各所述特征點的移動向量；當計算模塊140判斷所述特征點位于遠距離的檢 測區(qū)域時，則可根據(jù)時間差較大的第一圖像與第H圖像，或是第二圖像W及第H圖像，計算 各所述特征點的移動向量。
[0060] 圖3B是根據(jù)本發(fā)明一實施例所示出的物件檢測方法中步驟S209的示意圖。
[0061] 請參照圖3B，假設(shè)圖像獲取模塊120自存儲單元110讀取視頻串流中對應(yīng)于第一 時間點ti的第一圖像310、對應(yīng)于第二時間點t2的第二圖像320W及對應(yīng)于第H時間點t3 的第H圖像330。如圖3A所言，第一圖像310包括近距離的檢測區(qū)域314W及遠距離的檢 測區(qū)域312。當計算模塊140判斷前述特征點位于近距離的檢測區(qū)域314時，計算模塊140 則會根據(jù)第一圖像310的近距離的檢測區(qū)域314W及第二圖像320的近距離的檢測區(qū)域 324,計算各所述特征點的移動向量。
[0062] 另一方面，當計算模塊140判斷前述特征點位于遠距離的檢測區(qū)域312時，在本實 施例中，計算模塊140則會根據(jù)第一圖像310的遠距離的檢測區(qū)域312W及第H圖像330 的遠距離的檢測區(qū)域332,計算各所述特征點的移動向量。在另一實施例中，計算模塊140 也會根據(jù)第二圖像320的遠距離的檢測區(qū)域(未示出）W及第H圖像330的遠距離的檢測區(qū) 域332,計算各所述特征點的移動向量。
[0063] 表二的范例為利用兩組不同圖像分別檢測位于近距離與遠距離的移動物件的速 度估測誤差：
[0064]表二
[0065]
[0066] 在每張圖像中，每個畫素的實際位移畫素所對應(yīng)真實空間的實際位移不同。在此 范例中，假設(shè)在近距離時，每一實際位移畫素所對應(yīng)的實際位移畫素為50cm;在遠距離時， 每一實際位移畫素所對應(yīng)的實際位移畫素為100cm。當所述特征點位于遠距離的檢測區(qū)域 時，在同樣1個像素比對誤差的情況下，本發(fā)明利用第一圖像與第H圖像對于遠距離W速 度巧cm/ms，5cm/ms)的移動物件所估測的速度誤差為20%，和表一的速度誤差為40%相比， 改善了 2倍。
[0067] 此外，計算模塊140可利用像素特征比對法（Pixel-matchingAlgorithm)或是光 流法（化ticalFlowAlgorithm)計算各所述特征點的移動向量。
[006引詳言之，假設(shè)特征搜尋模塊130自第一圖像搜尋到的特征點位于近距離的檢測區(qū) 域后，計算模塊140利用像素特征比對法，W在第二圖像320中找出相似于第一圖像310的 特征點。在本實施例中，計算模塊140可在第二圖像320中對應(yīng)于第一圖像310的特征點 的所在位置為中也，利用第一圖像310的特征點的色彩等特征自四周鄰近的畫素搜尋位于 第二圖像320的特征點。接著，計算模塊140可利用第一圖像310W及第二圖像320中的 特征點的所在位置來計算各所述特征點在連續(xù)時間中的移動向量。
[0069] 在另一實施例中，假設(shè)特征搜尋模塊130自第一圖像搜尋到的特征點位于近距離 的檢測區(qū)域，并且計算模塊140在第二圖像中搜尋到對應(yīng)的特征點后，可利用光流法中各 所述特征點于不同圖像中亮度值的不變性，來計算其移動向量。
[0070] 之后，確認模塊150根據(jù)各所述特征點的移動向量，確認移動物件是否存在(步驟 S211)。詳言之，計算模塊在取得各所述特征點的移動向量后，可利用拍攝圖像時的移動速 度、峽率（化ameRate)W及移動向量，計算各述特征點的位移，并且從而計算各所述特征點 的移動速度。確認模塊150將判斷各所述特征點的移動速度是否大于一速度口檻值。在此 的速度口檻值則須考慮到拍攝圖像時的移動速度。換言之，確認模塊150可判斷各所述特 征點的移動速度與拍攝圖像時的移動速度之間的差值，是否大于速度口檻值。在一實施例 中，位于近距離的檢測區(qū)域的特征點與位于遠距離的檢測區(qū)域的特征點所對應(yīng)的速度口檻 值可W不同，W達到更精確的判斷。
[0071]當確認模塊150判斷至少一所述特征點的移動速度大于速度口檻值時，代表所述 特征點為例如其它行駛車輛或是行人等移動物件的特征，確認模塊150將確認移動物件存 在。反之，代表所述特征點為例如是道路、建筑物或是路邊停靠車輛等靜態(tài)物件的特征，確 認模塊150將確認移動物件不存在。
[0072] 在一實施例中，物件檢測系統(tǒng)100還包括警示模塊(未示出），當確認模塊150確認 移動物件存在時，警示模塊可提供例如提示文字、聲響或是燈光之一或其組合，W提醒駕駛 移動物件的存在。
[0073] 圖4是依照本發(fā)明第二實施例所示出的物件檢測方法的流程圖。請參照圖4,本 實施例的方法也適用于圖1的物件檢測系統(tǒng)100。在本實施例中，同樣地將W物件檢測系 統(tǒng)100禪接于行車紀錄器為例W進行說明。因此，在執(zhí)行物件檢測方法之前，物件檢測系統(tǒng) 100的存儲單元110已存儲預(yù)先自行車紀錄器所獲取的包含多張圖像的視頻串流，其中視 頻串流的內(nèi)容即為行車紀錄器所拍攝的車前圖像。
[0074] 請同時參照圖1W及圖4,圖像獲取模塊120自存儲單元110讀取視頻串流中對應(yīng) 于第一時間點的第一圖像、對應(yīng)于第二時間點的第二圖像、對應(yīng)于第H時間點的第H圖像 W及對應(yīng)于第四時間點的第四圖像，假設(shè)