一种基于计算机视觉的夜间车辆行驶辅助照明系统的制作方法

本发明涉及一种基于计算机视觉的夜间车辆行驶辅助照明系统，属于计算机视觉及智能控制方法技术领域。

背景技术：

随着社会的进步和人们生活水平的不断提高，我国已经基本进入汽车普及时代，私家车的数量逐渐增多，购车也越来越大众化，有关数据显示，2015年我国汽车销售总量达2460万辆，在汽车销售量提高带来经济效益的同时，车辆大数量的行驶也增加了更多交通事故的发生，中国历年交通事故的数量一直高居不下，而其中因交通事故死亡的人数也有不断上涨趋势，虽然车辆安全性已逐渐成为每一个买车者必然考虑的问题，但相信更多的人只关心诸如EPS、ABS、轮胎抗爆、防撞梁、全包围气囊等问题，往往忽视掉了另一个非常重要的部件——车灯。

车灯就像人的双眼能够在黑夜中照亮前路，为司机提供清晰的视野，为行人给出警示，美国南加州汽车研究中心车辆俱乐部（AAA）对市面上的卤素、氙气、LED汽车大灯的夜间照明安全性做了一番调查，结果令人吃惊，测试表明，无论是近光灯还是远光灯，比对现行的美国国家公路与运输协会的车灯安全指南，现有车辆夜间行驶在没有街灯的道路上时，各类型大灯的照射距离均没有达到让车主发现目标然后及时反应并刹车停止的安全距离。

AAA的夜道测试结果显示，目前使用数量最大的卤素灯在近光灯模式下当车速达到约60公里/时就无法提供安全照明距离，即使开启远光后在车速上升至77公里/时以上时也已经相当危险，交警部门也曾做过统计，大部分车祸事故均发生在夜间，数量几乎占到全部交通事故的六成，因而车灯所覆盖的照明距离不达标，也是引起夜间行车危险较大，甚至发生交通事故的重要原因之一。

根据《中华人民共和国道路交通安全法实施条例》，汽车远光灯由于光线强，一般适于机动车夜间在没有路灯或照明不良的道路上行驶使用，市区由于照明良好，必须使用近光灯，尤其是在两车交汇时，即使在没有路灯的道路上也必须距对面来车150米以外相互关闭远光灯，改用近光灯，使用远光灯，灯光炫亮刺眼，让人在几秒钟内无法看清前面的路况，极容易发生交通事故，因而如何合理智能的选择合适的车灯，让驾驶者有充足的时间和反应力来应对各种路面问题，以保证安全稳定的行使环境和条件，这就成了汽车设计者，乃至整个汽车行业及国家关注的焦点问题。

技术实现要素：

本发明正是针对现有技术中存在的技术问题，提供一种基于计算机视觉的夜间车辆行驶辅助照明系统，包括信息采集模块、树莓派控制模块及辅助灯动态控制模块，通过设置各个模块的有效通信集成，使各个模块之间的信息相互反馈，相互共享，有效解决了夜间行车问题，降低安全隐患，实现了真正的智能控制灯光，能够大大提高视觉可见度，降低安全隐患。

为了解决上述技术问题，本发明所采用的技术方案如下：一种基于计算机视觉的夜间车辆行驶辅助照明系统，包括信息采集模块、树莓派控制模块及辅助灯动态控制模块，三者顺序相连，其特征在于：所述信息采集模块将采集到的路面信息传送给树莓派控制模块，树莓派控制模块经过内部处理后实现对GPIO的动态控制，完成对辅助灯动态控制模块的智能控制。

进一步，所述树莓派控制模块中设有计算机视觉模块、车辆信息检测模块和图像识别模块，三者通信集成；所述计算机视觉模块利用OpenCV对采集到的路面信息进行处理，处理后的信息传入车辆信息检测模块中进行检测和识别，通过图像识别模块，运用Python语言实现准确的车辆信息输出。

进一步，所述计算机视觉模块中的分类器，通过正样本︰负样本=1︰2来训练，找出样本共性；此种方法可以尽量减少用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉所产生的误差，并进一步做图形处理，收集大量夜间行驶汽车的样本，可以进一步保证准确性，减少误差，方便后期在Python语言中加以引用。

进一步，所述图像识别模块中的识别模型采用原型匹配模型；普通的模板匹配模型必须在过去的经验中有这个图像的记忆模式，这种模型强调图像必须与脑中的模板完全符合才能加以识别，原型匹配模型从神经上和记忆探寻的过程上来看，都比模板匹配模型更适宜，而且还能说明对一些不规则的，但某些方面与原型相似的图像的识别，因而可以识别的数量更多。

进一步，所述信息采集模块为行车记录仪或外接摄像头，高效直接的获取有效信息，操作难度也低，更加的符合实际需求。

进一步，所述辅助灯动态控制模块中设有辅助灯，辅助灯的数量、类型和排列不唯一。每个辅助灯的照射范围是人为可划分的，不同车辆对车灯的需求也各不一样，因而可以根据实际需要，安装一定数量、一定类型或特定排列布局的车灯，使用范围更加广泛。

作为本发明的更进一步改进，一种基于计算机视觉的夜间车辆行驶辅助照明器，包括摄像头、树莓派及辅助灯，三者顺序相连，其特征在于：所述摄像头用于采集路面信息，将采集到的信息传送给树莓派，树莓派系统经过内部处理后实现对GPIO的动态控制，输出信号接入辅助灯中，完成对辅助灯的智能控制。

进一步，所述树莓派中设有计算机视觉模块、车辆信息监测模块和图像识别模块，三者通信集成；所述计算机视觉模块利用OpenCV对采集到的路面信息进行处理，处理后的信息传入车辆信息监测模块中进行检测和识别，通过图像识别模块，运用Python语言实现准确的车辆信息输出。

本发明的有益效果：通过设置各个模块的有效通信集成，使各个模块之间的信息相互反馈，相互共享，有效解决了夜间行车问题，降低安全隐患，实现了真正的智能控制灯光，能够大大提高视觉可见度，降低安全隐患；同时计算机视觉模块中的分类器和图像识别模块中识别模型的特殊设置，也使得整个系统更加的精准，安全性能更高；行车记录仪和外加摄像头的办法提高图像信息的清晰度，在保证驾乘感受的同时，也提高了对车辆视觉识别的准确度；整个系统均在树莓派平台完成，无需人为操作，达到了高度的智能化和高效化，省时省力省心，大大提高了工作效率和安全度，真正实现了人工智能化的有效安全操作。

附图说明

图1是本发明的一种基于计算机视觉的夜间车辆行驶辅助照明系统的系统结构示意图；

图2是本发明的一种基于计算机视觉的夜间车辆行驶辅助照明器的结构示意图；

图3是本发明的一种基于计算机视觉的夜间车辆行驶辅助照明系统的工作流程示意图；

图4是本发明的一种基于计算机视觉的夜间车辆行驶辅助照明系统的测试示意图一；

图5是本发明的一种基于计算机视觉的夜间车辆行驶辅助照明系统的测试示意图二。

具体实施方式

以下将结合实施例，对本发明进行较为详细的说明。

实施例一

如图1所示，一种基于计算机视觉的夜间车辆行驶辅助照明系统，包括信息采集模块、树莓派控制模块及辅助灯动态控制模块，三者顺序相连，此处的信息采集模块我们采用外接摄像头，因为部分行车记录仪的分辨率较低，因此选择外接摄像头较好，不仅能提高驾乘感受，还能提高车辆的视觉识别度，而树莓派控制模块中设有计算机视觉模块、车辆信息监测模块和图像识别模块，三者通信集成，当外接摄像头捕捉到对面或者前方路面有阻挡时，将采集到的路面信息传送给树莓派控制模块，此时，模块中的计算机视觉模块利用OpenCV对采集到的路面信息进行处理，从而实现对车辆的视觉识别，处理后的信息传入车辆信息监测模块中进行检测和识别，通过图像识别模块，运用Python语言实现准确的车辆信息输出，借助树莓派平台实现对GPIO的动态控制，最终反馈到辅助灯动态控制模块中，从而完成对辅助灯的智能控制；图3即简单明确的表述了上述工作流程，通过设置各个模块，并将各个模块集成起来，使各个模块之间的信息相互反馈，相互共享，有效解决了夜间行车问题，降低安全隐患，实现了真正的智能控制灯光，能够大大提高视觉可见度，降低安全隐患，上述所有信息的处理，均在树莓派平台完成，无需人为操作，达到智能控制辅助灯的作用。

树莓派是一款基于ARM的微型电脑主板，以SD/MicroSD卡为内存硬盘，卡片主板周围有1/2/4个USB接口和一个10/100 以太网接口（A型没有网口），可连接键盘、鼠标和网线，同时拥有视频模拟信号的电视输出接口和HDMI高清视频输出接口，以上部件全部整合在一张仅比信用卡稍大的主板上，具备所有PC的基本功能只需接通电视机和键盘，就能执行如电子表格、文字处理、玩游戏、播放高清视频等诸多功能。

实施例二

本实施例与实施例一的不同之处在于：在上述计算机视觉模块中，主要利用模式识别技术，即根据从图象抽取的统计特性或结构信息，把图像分成予定的类别，在这个计算机视觉模块中，需要训练分类器，收集大量夜间行驶汽车的样本，包括正样本和负样本，在经过了多次的重复试验和检验后，我们认为采用正样本与负样本的比值为1:2来训练分类器，精确度更高，使用范围更加广泛，通过训练分类器，找出样本的共性，生成一个叫.xml 的文件，然后在Python语言中加以引用，从而更好的实现车辆信息的处理。

同时，上述实施例中的车辆信息监测模块主要将信息采集模块中的图形进行监测和识别，运用Python语言实现准确的车辆信息处理，达到车辆监测目的。

而图像识别是人工智能的一个重要领域，为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型，例如模板匹配模型，这种模型认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式，又叫模板，当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了，例如有一个字母A，如果在脑中有个A模板，字母A的大小、方位、形状都与这个A模板完全一致，字母A就被识别了，这个模型简单明了，也容易得到实际应用，但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像，例如，人们不仅能识别某一个具体的字母A，也能识别印刷体的、手写体的、方向不正、大小不同的各种字母A，同时，人能识别的图像是大量的，如果所识别的每一个图像在脑中都有一个相应的模板，也是不可能的，为了解决模板匹配模型存在的问题，格式塔心理学家又提出了一个原型匹配模型，这种模型认为，在长时记忆中存储的并不是所要识别的无数个模板，而是图像的某些“相似性”，从图像中抽象出来的“相似性”就可作为原型，拿它来检验所要识别的图像，如果能找到一个相似的原型，这个图像也就被识别了，这种模型从神经上和记忆探寻的过程上来看，都比模板匹配模型更适宜，而且还能说明对一些不规则的，但某些方面与原型相似的图像的识别，我们的系统采用原型匹配模型，通过对大量车辆的正样本和负样本加以训练，找到“相似性”，从而能够实现对众多车辆的识别，使用范围更加广泛。

实施例三

如图2所示，一种基于计算机视觉的夜间车辆行驶辅助照明器，包括摄像头、树莓派及辅助灯，三者顺序相连，摄像头用于采集路面信息，将采集到的信息传送给树莓派，树莓派系统经过内部处理后实现对GPIO的动态控制，输出信号接入辅助灯中，完成对辅助灯的智能控制；其中树莓派中设有计算机视觉模块、车辆信息监测模块和图像识别模块，三者通信集成；计算机视觉模块利用OpenCV对采集到的路面信息进行处理，处理后的信息传入车辆信息监测模块中进行检测和识别，通过图像识别模块，运用Python语言实现准确的车辆信息输出。

本实施例为了方便解释和说明，特加入显示屏，摄像头能将车辆前方道路信息及时传输到树莓派系统中，然后对车辆进行视觉检测，可以借助显示屏观看车辆识别信息，运用Python语言实现树莓派GPIO的动态控制，从而实现辅助灯的智能控制，图4和5是实验中的测试图，图4中的a、b、c分别为树莓派控制辅助灯的三种照射方式，图5源于行车记录仪中的视频截图，由于信息的采集有两种方案，在此选择用行车记录仪作为信息的输入模块，并将采集到的路面信息传输到树莓派控制模块中的计算机视觉模块、图像识别模块和车辆信息监测模块，对车辆进行视觉识别，图中方框所框的内容既是对车辆的视觉识别。

实施例四

本实施例与实施例一、实施例二和实施例三的不同之处在于：辅助灯动态控制模块中设有辅助灯，辅助灯的数量、类型和排列不唯一，每个辅助灯的照射范围是人为可划分的，不同车辆对车灯的需求也各不一样，因而可以根据实际需要，安装一定数量、一定类型或特定排列布局的车灯，使用范围更加广泛。

须说明的是，上述实施举例的说明并非限制本创作之应用，仅例示性说明本发明的原理及功效，而非用于限制本发明的保护范围，本发明的权利保护范围，应如权利要求书中所述；对于本技术领域的普通技术人员来说，在不脱离本发明专利原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明专利的保护范围。