车用多功能摄像头系统的制作方法

本发明涉及车载设备领域，尤其涉及车用多功能摄像头系统。

背景技术：

近年来，随着汽车行业的迅速发展，越来越多的人选择汽车作为出行的交通工具，因此也带来了一系列社会问题，例如因车灯使用不当、雨天雨刮使用不当等造成的撞车、撞人等交通事故，这些道路交通事故给社会、国家、家庭带来了巨大的损失。另外，在一般行车过程中遇到此类事故，需要将事发前后的事故图像数据进行采集为后续的事故分析与处理提供可靠证据。目前，高中档车一般配备雨量传感器、自动大灯等系统以及行车记录仪，但这几类传感器需要分别安装，不仅增加了车辆智能性配置的成本也增加了驾驶员的车辆维护成本。

技术实现要素：

为解决前述问题，本发明提出一种车用多功能摄像头系统。其集自动大灯功能、自动雨刮功能、碰撞事故紧急录像功能为一体。不但降低了车辆实现智能性的成本，减少了事故发生率，还提高了驾驶员行车过程中的安全性及舒适性。

为达到前述目的，本发明采用如下技术方案：车用多功能摄像头系统，其特征在于，包括：

设于汽车上的感知模块，用于获取视频图像数据并处理为多个亮度特征、多个斑点特征及多个运动矢量特征；

与所述感知模块通信连接的决策模块，用于把为多个亮度特征、多个斑点特征及多个运动矢量特征与经验工况进行比对，获得当前所属工况，并根据当前所属工况生成控制信息；

与所述决策模块通信连接的控制模块，用于根据所述控制信息控制执行机构动作。

可选的，所述感知模块包括至少一个摄像头，所述摄像头包括视觉传感器及视觉处理器，所述视觉传感器用于获取所述视频图像数据，所述视觉处理器处理所述视频图像数据为多个亮度特征、多个斑点特征及多个运动矢量特征。

可选的，所述摄像头为激光红外摄像头、红外夜视摄像头、LED摄像头或微光摄像头。

可选的，所述经验工况包括亮度标准直方图分布、斑点标准直方图分布、运动标准直方图分布；

所述决策模块获取多个亮度特征、多个斑点特征及多个运动矢量特征；并把多个亮度特征、多个斑点特征集多个运动矢量特征排列分别形成三类视频特征集；

对所述三类视频特征集分别进行聚类，分别获得亮度标准视觉词汇、斑点标准视觉词汇及运动标准视觉词汇，根据所述亮度标准视觉词汇获得亮度标准直方图分布，根据所述斑点标准视觉词汇获得斑点标准直方图分布，根据所述运动标准视觉词汇获得运动标准直方图分布；

计算实时视频的亮度直方图分布与亮度标准直方图分布间的亮度欧式距离，计算实时视频的斑点直方图分布与斑点标准直方图分布的斑点欧式距离，计算实时视频的运动直方图分布与运动标准直方图分布间的运动欧式距离；

比较亮度欧式距离、斑点欧式距离及运动欧式距离，当亮度欧式距离最小时，则当前所属工况为亮度工况模式，当斑点欧式距离最小时，则当前所属工况为雨刷模式，当运动欧式距离最小时，则当前所属工况为碰撞模式。

可选的，所述控制模块包括灯光控制模块、雨刮控制模块、紧急录像模块，所述执行机构包括与灯光控制模块连接的灯，与所述雨刮控制模块连接的雨刮，与所述紧急录像模块连接的视频采集器。

可选的，所述视频采集器存储碰撞前后5秒的视频信息。

可选的，亮度特征为视频图像ROI区域的梯度亮度特征、斑点特征为视频图像ROI区域的斑点特征、运动矢量特征为视频图像ROI区域的光流特征。

可选的，所述控制模块与执行机构之间通过总线连接，所述总线采用CAN总线、FlexRay总线、most总线、J1939总结下以及以太网总线中的至少一种。

可选的，所述处理包括图像坐标转换、图像去噪、图像畸变校正、图像ROI区域设置。

可选的，图像ROI区域设置为行车道路的两条道路边界线及道路消逝线组成的ROI矩形框区域。

本发明具备如下技术效果：利用图像算法实现控制远近灯光的自动开启及切换、雨刮的自动开启及雨刮速度的控制及碰撞画面数据的存储，减少了车辆传感器安装种类、降低了车辆智能装备的成本、提高了车辆功能的集成性；其中，远近灯光的自动开启及切换可以减少灯光使用不当造成的各类交通事故，雨刮的自动开启及雨刮速度的自动控制可以为驾驶员提供良好的视野、降低驾驶劳动强度，使驾驶员在行车过程中可以更好地集中注意力驾驶车辆，提高雨天行驶的方便性及安全性，碰撞画面的紧急存储保存了驾驶事故的画面，可以为事故的再现提供可查证据；本申请在一定程度上减少了车辆实现智能性的成本、降低了交通事故的发生率，保障了驾驶员的人身安全和财产安全。

本发明的这些特点和优点将会在下面的具体实施方式、附图中详细的揭露。

【附图说明】

下面结合附图对本发明做进一步的说明：

图1为一种车用多功能摄像头系统组成框图。

图2为一种车用多功能摄像头系统特征标准视觉词汇生成流程图。

【具体实施方式】

下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

实施例1。

参看图1，车用多功能摄像头系统，包括：设于汽车上的感知模块，用于获取视频图像数据并处理为多个亮度特征、多个斑点特征及多个运动矢量特征；与所述感知模块通信连接的决策模块，用于把多个亮度特征、多个斑点特征及多个运动矢量特征与经验工况进行比对，获得当前所属工况，并根据当前所属工况生成控制信息；与所述决策模块通信连接的控制模块，用于根据所述控制信息控制执行机构动作。

感知模块包括至少一个摄像头，所述摄像头包括视觉传感器及视觉处理器，所述视觉传感器用于获取所述视频图像数据，所述视觉处理器处理所述视频图像数据为为多个亮度特征、多个斑点特征及多个运动矢量特征。其中，摄像头为激光红外摄像头、红外夜视摄像头、LED摄像头或微光摄像头。

经验工况包括亮度标准直方图分布、斑点标准直方图分布、运动标准直方图分布；所述决策模块获取多个亮度特征、多个斑点特征及多个运动矢量特征；并把多个亮度特征、多个斑点特征集多个运动矢量特征排列分别形成三类视频特征集；对所述三类视频特征集分别进行聚类，分别获得亮度标准视觉词汇、斑点标准视觉词汇及运动标准视觉词汇，根据所述亮度标准视觉词汇获得亮度标准直方图分布，根据所述斑点标准视觉词汇获得斑点标准直方图分布，根据所述运动标准视觉词汇获得运动标准直方图分布；计算实时视频的亮度直方图分布与亮度标准直方图分布间的亮度欧式距离，计算实时视频的斑点直方图分布与斑点标准直方图分布的斑点欧式距离，计算实时视频的运动直方图分布与运动标准直方图分布间的运动欧式距离；比较亮度欧式距离、斑点欧式距离及运动欧式距离，当亮度欧式距离最小时，则当前所属工况为亮度工况模式，当斑点欧式距离最小时，则当前所属工况为雨刷模式，当运动欧式距离最小时，则当前所属工况为碰撞模式。

控制模块包括灯光控制模块、雨刮控制模块、紧急录像模块，所述执行机构包括与灯光控制模块连接的灯，与所述雨刮控制模块连接的雨刮，与所述紧急录像模块连接的视频采集器。

视频采集器存储碰撞前后5秒的视频信息。

前述亮度特征为视频图像ROI区域的梯度亮度特征、斑点特征为视频图像ROI区域的斑点特征、运动矢量特征为视频图像ROI区域的光流特征。

前述控制模块与执行机构之间通过总线连接，所述总线采用CAN总线、FlexRay总线、most总线、J1939总结下以及以太网总线中的至少一种。

前述处理包括图像坐标转换、图像去噪、图像畸变校正、图像ROI区域设置。

前述图像ROI区域设置为行车道路的两条道路边界线及道路消逝线组成的ROI矩形框区域。

参看图2，前述经验工况中的词汇通过如下方式获得：

通过对同一类工况的多个(n个)样本视频(已经过预处理)分别进行特征提取，然后将这n个特征数据组合成一个大集合后对其进行聚类计算，最后得到k个聚类中心作为可以描述该类工况的标准视觉词汇。其中，不同工况的特征提取需要根据工况类型进行区分，灯光模式工况下提取样本视频的亮度特征可以有效的区分白天、黑夜(未开路灯)、夜间道路开路灯、夜间对面车辆开大灯时车辆交汇等情景；雨刮模式工况下提取样本视频的斑点特征可以有效区分雨量的大小，斑点的密集程度可以很好地描述雨量情况；碰撞模式工况下拍摄的视频每帧画面的抖动率要远远大于未碰撞情况下拍摄视频的视频帧画面的抖动率，因此提取样本视频的运动矢量特征描述视频帧画面的抖动情况可以有效区分车辆正常行驶时拍摄的视频和车辆碰撞时拍摄的视频。各类工况下标准视觉词汇提取过程如下：亮度工况模式需提取亮度特征，对提取的特征数据进行聚类计算后获取这类工况的标准视觉词汇，得到的标准视觉词汇用来描述该类工况；对需要开雨刮模式的几类工况下的视频分别提取斑点特征，对提取的特征数据进行类计算后获取这几类工况的标准视觉词汇，而得到的标准视觉词汇可以描述该类工况；对碰撞模式工况下的视频提取运动矢量特征聚类计算后以获取该类工况的标准视觉词汇，得到的标准视觉词汇可以描述该类工况。设视频函数为I(x,y,t)，具体计算过程如下：

前述步骤2具体为:

步骤1.特征提取

1.1亮度工况模式下的视频亮度特征的计算

视频的亮度特征可表示为G_f(x,y,t)，G_fx、G_fy、G_fz计算公式如下：

G_fx＝I(x+1,y,t)-I(x-1,y,t)

G_fy＝I(x,y+1,t)-I(x,y-1,t)

G_fz＝I(x,y,t+1)-I(x,y,t-1)

1.2雨刮工况模式下的斑点特征的计算如下：

其中，

1.3碰撞工况模式下的运动矢量特征F_f(x,y,t)的计算如下：

步骤2.将同类特征合并成一个大集合。

2.1将提取的亮度工况模式的n个视频的亮度特征进行并集如下：

Feature G_f(x,y,t)＝[G_f(x,y,t)]₁∪[G_f(x,y,t)]₂∪…[G_f(x,y,t)]_n

2.2将提取的雨刮工况模式的n个视频的斑点特征进行并集如下：

2.3将提取的碰撞工况模式的n个视频的运动矢量特征进行并集如下：

Feature F_f(x,y,t)＝[F_f(x,y,t)]₁∪[F_f(x,y,t)]₂∪…[F_f(x,y,t)]_n

步骤3.对三类特征集合分别利用k-means算法进行聚类分别得到描述三类工况的K个亮度标准视觉词汇MG_f(x,y,t)、斑点标准视觉词汇运动标准视觉词汇MF_f(x,y,t)。

步骤4.计算标准视觉词汇M在同类工况视频提取的Feature上出现的频率得到相应的亮度标准直方图分布Hist_Stand_G、斑点标准直方图分布Hist_Stand_L、运动标准直方图分布Hist_Stand_F，利用该直方图分布作为标准直方图分布描述相应的工况。

系统工况判断采用的技术方案为：

步骤1.对实时视频进行预处理后，分别提取它的亮度特征、斑点特征、运动矢量特征，将这三类特征按顺序排列在一个视频特征集中，视频特征集排列如下：

步骤2.计算步骤1中获取的视频特征集Feature_Video在三类工况的亮度标准视觉词汇MG_f(x,y,t)、斑点标准视觉词汇运动标准视觉词汇MF_f(x,y,t)上的亮度直方图分布Hist_Video_G、斑点直方图分布Hist_Video_L、运动直方图分布Hist_Video_F。

步骤3.分别计算亮度直方图分布Hist_Video_G、斑点直方图分布Hist_Video_L、运动直方图分布Hist_Video_F与亮度标准直方图分布Hist_Stand_G斑点标准直方图分布Hist_Stand_L、运动标准直方图分布Hist_Stand_F之间的亮度欧式距离Dist_Video_G、斑点欧式距离Dist_Video_L、运动欧式距离Dist_Video_F，比较亮度欧式距离Dist_Video_G、斑点欧式距离Dist_Video_L、运动欧式距离Dist_Video_F的大小得到最小欧式距离Min_Dist：然后做如下判断:

If Dist_Video_G＝Min_Dist；

当前所属工况∈“亮度工况模式”；

If Dist_Video_L＝Min_Dist；

当前所属工况∈“雨刮模式”；

If Dist_Video_F＝Min_Dist；

当前所属工况∈“碰撞模式”。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。