识别当前道路车辆的方法、系统及行车记录仪与流程

本发明涉及车辆安全驾驶领域，具体涉及一种识别当前道路车辆的方法、系统及行车记录仪。

背景技术：

行车记录仪是指记录车辆行驶途中的影像及声音等相关资讯的仪器。安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据。开车时边走边录像，同时把时间、速度、所在位置都记录在录像里，相当“黑匣子”，同时还可以辅助和指导驾驶人员进行安全驾驶，减少安全事故的发送。

目前的行车记录仪检测精准度低，其中道路边沿线检测不准确，经常会出现车辆靠边线太近而大量的误报警提示；另外由于道路边沿线检测不准确，无法准确判断其他车辆与驾驶员车辆是否在同一车道上行驶，对于同一车道车辆是否与驾驶员车辆是否保持有安全距离，无法做出准确的判断，从而过多的误报警，不能真正意义上的辅助和指导驾驶人员进行安全驾驶。

技术实现要素：

本发明为了解决现有技术存在的上述技术问题，提供了一种能够检测准确率高的识别当前道路车辆的方法、系统及行车记录仪。

为实现上述目的，本发明提供了一种识别当前道路车辆的方法，包括：

获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；

获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；

判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，判断该车辆与驾驶员的车辆在同一车道行驶。

作为本发明的优选技术方案，通过以下方式获取驾驶员的行驶道路图片：

利用摄像头获取行驶道路图片，将图片进行灰度处理，并通过高斯滤波器平滑图像。

作为本发明的优选技术方案，当通过高斯滤波器平滑图像后，利用一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，用双阈值算法检测和连接道路边缘，以得到边缘检测后的图像，并采用Hough直线检测算法获取所述图像的所有直线模型，遍历所有获取到的直线段，获取所有直线的角度，根据直线的角度判断该线段是道路的左边沿线还是右边沿线，剔除不符合角度和不满足需求的线段，并将获取到的左右边沿直线分别保存到两集合中。

作为本发明的优选技术方案，对左右边沿直线集合进行排除挑选，获取最优左边道路线和最优右边道路线。

作为本发明的优选技术方案，对获取到的左右边沿直线进行交点判断，如果交点过低或过于偏离中心轴则重新挑选最优线段，再重新做交点判断；对获取到的左右边沿直线交点夹角角度进行判断，如果两条道路之间夹角过大或过小则重新获取最优线段，并进行交点判断和夹角判断。

作为本发明的优选技术方案，对最后获取到的左右边沿直线和上一轮循环中获取到的左右边沿直线进行阈值偏差判断，如果与上一轮检测到的左右边沿直线偏离过大，则判断为没有获取到左右边沿直线，重头检测，如果偏离符合要求，则检测道路成功；如果上一轮检测到的左右边沿直线没有，则重新检测。

作为本发明的优选技术方案，当判断存在若干个车辆与驾驶员的车辆在同一车道行驶时，选取一或两辆离驾驶员车辆最近的车辆显示在屏幕上。

作为本发明的优选技术方案，当超过20次循环扫描没有检测到左右边沿直线，则判断为没有道路，并抹除检测到的线路。

本发明还提供了一种识别当前道路车辆的系统，包括：

道路模型获取模块，用于获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；

车辆模型获取模块，用于获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；以及

处理模块，用于判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，判断该车辆与驾驶员的车辆在同一车道行驶。

本发明还提供了一种行车记录仪，包括上述任一项所述的识别当前道路车辆的系统。

本发明的识别当前道路车辆的方法、系统及行车记录仪可以达到如下有益效果：

本发明的识别当前道路车辆的方法，通过包括：获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，判断该车辆与驾驶员的车辆在同一车道行驶，可大大提高行车记录仪的检测精准度，提高了识别出同车道车辆的精确度，可有效避免与驾驶员车辆虽然距离太近，但是不在同一车道而引起的频繁误报警。

本发明的识别当前道路车辆的系统，通过包括：道路模型获取模块，用于获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；车辆模型获取模块，用于获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；以及处理模块，用于判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，判断该车辆与驾驶员的车辆在同一车道行驶，可大大提高行车记录仪的检测精准度，提高了识别出同车道车辆的精确度，可有效避免与驾驶员车辆虽然距离太近，但是不在同一车道而引起的频繁误报警。

本发明的行车记录仪，通过包括上述识别当前道路车辆的系统，可大大提高行车记录仪的检测精准度，提高了识别出同车道车辆的精确度，可有效避免与驾驶员车辆虽然距离太近，但是不在同一车道而引起的频繁误报警,避免了对驾驶人员的操作误导，保证了车辆的安全驾驶。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明识别当前道路车辆的方法提供的一实施例的方法流程图；

图2为本发明识别当前道路车辆的系统提供的一实施例的结构框图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1，一种识别当前道路车辆的方法，包括：

步骤11、获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；

步骤12、获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；该步骤中，通过多次实验获取大量各种车辆照片，使用Cascade classifier training方法获取训练样本的xml文件，通过opencv模式识别并计算出各种车辆模型，并以得到至少一个车辆的四个定点；

步骤13、判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，执行步骤14，否则返回步骤11继续执行；

步骤14、判断该车辆与驾驶员的车辆在同一车道行驶。

具体实施中，通过以下方式获取步骤11驾驶员的行驶道路图片：

利用摄像头获取行驶道路图片，将图片进行灰度处理，并通过高斯滤波器平滑图像。

具体实施中，当通过高斯滤波器平滑图像后，利用一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，用双阈值算法检测和连接道路边缘，以得到边缘检测后的图像，并采用Hough直线检测算法获取所述图像的所有直线模型，遍历所有获取到的直线段，获取所有直线的角度，根据直线的角度判断该线段是道路的左边沿线还是右边沿线，剔除不符合角度和不满足需求的线段，并将获取到的左右边沿直线分别保存到两集合中。

具体实施中，对左右边沿直线集合进行排除挑选，获取最优左边道路线和最优右边道路线。

具体实施中，对获取到的左右边沿直线进行交点判断，如果交点过低或过于偏离中心轴则重新挑选最优线段，再重新做交点判断；对获取到的左右边沿直线交点夹角角度进行判断，如果两条道路之间夹角过大或过小则重新获取最优线段，并进行交点判断和夹角判断。

具体实施中，对最后获取到的左右边沿直线和上一轮循环中获取到的左右边沿直线进行阈值偏差判断，如果与上一轮检测到的左右边沿直线偏离过大，则判断为没有获取到左右边沿直线，重头检测，如果偏离符合要求，则检测道路成功；如果上一轮检测到的左右边沿直线没有，则重新检测。

优选地，当判断存在若干个车辆与驾驶员的车辆在同一车道行驶时，选取一或两辆离驾驶员车辆最近的车辆显示在屏幕上，这样不仅可以给驾驶员更好地视觉体验，而且由于显示车辆较少，从而避免了前面同一车道的车辆可能太多而显得杂乱，不利于驾驶员观看。

具体实施中，当超过20次循环扫描没有检测到左右边沿直线，则判断为没有道路，并抹除检测到的线路。

如图2所示，识别当前道路车辆的系统，包括：

道路模型获取模块21，用于获取驾驶员的行驶道路图片，识别出左侧道路边沿线上的两点和右侧道路边沿线上的两点，通过计算获取左右两条道路边沿线的交点，即得到道路的封闭面积区域；

车辆模型获取模块22，用于获取至少一个车辆的四个定点，并针对每一车辆分别建立一个正好框住该车辆的方形框模型；以及

处理模块23，用于判断车辆的方形框模型在道路的封闭面积区域上是否有交集，当有交集，判断该车辆与驾驶员的车辆在同一车道行驶。

本发明还提供了一种行车记录仪，包括上述任一项所述的识别当前道路车辆的系统。

虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式做出多种变更或修改，而不背离本发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。