一种能够预判驾驶员转向意图的辅助车灯控制方法与流程

本发明涉及一种能够预判驾驶员转向意图的辅助车灯控制方法。

背景技术：

随着汽车工业的发展，汽车在平常百姓中的普及率越来越高，随之而来的是越来越多的安全事故。车灯作为汽车的“眼睛”，在夜间行车过程中担任着至关重要的作用。传统的汽车车灯是固结在车体上，在拐弯的时候，无法提供足够的侧向照明，从而造成较大的视野盲区，容易引起事故。

针对这种情况，人们把目光转向智能随动照明系统，即根据车辆的车速和方向盘转角等汽车的实时姿态信息来决定车灯相对于车体的角度。然而这种算法也存在着一定的问题，即必须在车辆已经发生转弯智能系统才能开始工作，反应比较落后，属于被动开启。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于，提供一种能够预判驾驶员转向意图的辅助车灯控制方法，能够提前判断司机是否要转向以及转弯角度，从而进行更加主动地补光操作。

为了实现上述目的，本发明采用如下技术方案：

一种能够预判驾驶员转向意图的辅助车灯控制方法，包括以下步骤：

步骤一：将摄像头安装在车辆驾驶室内，通过摄像头采集驾驶员的人脸图像，人脸图像中包含驾驶员的人眼信息；

步骤二：对采集到的人脸图像进行预处理，预处理包括灰度处理和图像滤波，预处理后得到平滑图像；

步骤三：对平滑图像进行人眼识别，得到平滑图像中的两个人眼区域；

步骤四：针对每个人眼区域确定瞳孔的位置；

步骤五：针对每个人眼区域确定人眼对应的两个角点的位置；

步骤六：针对每个人眼区域中瞳孔的位置和两个角点的位置，计算初步瞳孔偏移量；求取两个人眼区域得到的两个初步瞳孔偏移量的平均值，作为瞳孔偏移量；

步骤七：在车辆的车轮上安装车速传感器，计算得到车速；

步骤八：根据步骤六得到的瞳孔偏移量和步骤七得到的车速，利用模糊算法，求取辅助灯应偏转角度；

步骤九：在车辆的辅助灯上安装角度传感器，得到辅助灯的实际偏转角度；将辅助灯实际偏转角度和步骤八得到的辅助灯应偏转角度进行对比，得出辅助灯还需要偏转的角度。

具体地，所述步骤三中对平滑图像进行人眼识别，得到平滑图像中的两个人眼区域，具体包括以下步骤：

针对平滑图像求取横向灰度投影图和纵向灰度投影图；

针对横向灰度投影图，查找横向灰度投影图中的峰值，并查找峰值两个的第一个谷底，分别以两个谷底为中心，向左右两侧各扩展n个像素点，分别得到两个人眼区域的水平区域；

针对纵向灰度投影图，在纵向灰度投影图的上半部分查找局部最小值，以局部最小值为中心，向上和向下各扩展m个像素点，得到人眼区域的竖直区域；

根据两个水平区域和一个竖直区域确定两个人眼区域。

具体地，所述步骤四中的针对每个人眼区域中确定瞳孔的位置，具体包括以下步骤：

选取一个p*q大小的矩形框，使该矩形框在人眼区域内滑动，计算矩形框内的矩形区域的像素点的灰度值的最大值与像素点的灰度值的最小值，选取最大值与最小值的差值小于P的多个矩形区域，计算选取的多个矩形区域中的每个矩形区域内的所有像素点的灰度值的平均值，选取平均值最小的矩形区域，即为人眼区域中的瞳孔区域；瞳孔区域的中心点即为瞳孔的位置。

具体地，所述步骤五中的针对每个人眼区域中确定人眼对应的两个角点的位置，具体包括以下步骤：

选取a*b大小的矩形框，将人眼区域中的任意一个像素点置于矩形框的中心位置，将矩形框沿人眼区域的横轴方向移动，每次移动一个像素点的距离，计算矩形框内的矩形区域的所有像素点的灰度值的平均值，计算矩形框移动过程中，相邻的矩形区域求取的所有像素点的灰度值的平均值的变化量I_u；

将矩形框将纵轴方向移动移动，每次移动一个像素点的距离，计算矩形框内的矩形区域的所有像素点的灰度值的平均值，计算矩形框移动过程中，相邻的矩形区域求取的所有像素点的灰度值的平均值的变化量I_v；

I_uv＝I_u·I_v，得到方针

求取Harris算子R，R＝det(C)-k*tr²(C)，其中，tr(C)表示方阵C的迹，det(C)表示方阵C行列式的值，k为经验值。

若人眼区域中的某像素点对应的Harris算子R大于设定阈值T，则该像素点为角点。

具体地，所述步骤八中的根据步骤六得到的瞳孔偏移量和步骤七得到的车速，利用模糊算法，求取辅助灯应偏转角度，具体包括以下步骤：

步骤8.1：建立车速模糊集合，分别为FR，F，M，S，SR；建立瞳孔偏移量模糊集合，分别为LB，LM，LS，Z，RS，RM，RB；建立辅助灯转角模糊集合，分别为

步骤8.2：针对车速模糊集合、瞳孔偏移量模糊集合和辅助灯转角模糊集合，分别建立车速隶属度函数μ_车速、瞳孔偏移量隶属度函数μ_瞳孔和辅助灯转角隶属度函数μ_转角；

步骤8.3：建立模糊控制表；根据车速隶属度函数μ_车速求取步骤七得到的车速对应的车速隶属度；根据瞳孔偏移量隶属度函数μ_瞳孔求取步骤六得到的瞳孔偏移量对应的瞳孔偏移量隶属度；

根据模糊控制表，结合车速隶属度和瞳孔偏移量隶属度，求得辅助灯转角所属的辅助灯转角模糊集合，以及辅助灯转角隶属度；

步骤8.4：根据辅助灯转角所属的辅助灯转角模糊集合，将得到的辅助灯转角隶属度的值代入辅助灯转角隶属度函数μ_转角中，求取辅助灯应偏转角度。

具体地，所述步骤8.3中的根据模糊控制表，结合车速隶属度和瞳孔偏移量隶属度，求得辅助灯转角所属的辅助灯转角模糊集合，以及辅助灯转角隶属度，具体包括以下步骤：

某一车速对应的车速隶属度包括两个值，某一瞳孔偏移量对应的瞳孔偏移量包括两个值，两个车速隶属度和两个瞳孔偏移量隶属度形成四组对应关系，每组对应关系根据模糊控制表求得一个辅助灯转角所属的辅助灯转角模糊集合，求该组对应关系中的车速隶属度和瞳孔偏移量隶属度的最小值作为辅助灯转角隶属度；

四组对应关系求得四个初步灯转角隶属度的值，将所述四个辅助灯转角隶属度的值的最大值作为最终的辅助灯转角隶属度，该辅助灯转角隶属度对应的辅助灯转角模糊集合作为最终的辅助灯转角所属的辅助灯转角模糊集合。

与现有技术相比，本发明具有以下技术效果：

本发明具有以下技术效果：本发明通过摄像头识别人眼球动作，并综合考虑此时的车速信息，通过模糊算法，预判车辆是否将进入弯道，计算出辅助灯应转动的角度，并对比目前辅助灯所处的位置控制步进电机转动，进行主动补光，提前消除弯道盲区，有效降低夜间车辆发生事故的概率。该系统弥补了传统辅助车灯只能被动响应的缺点，具有预测准确、反应灵敏等特点。

附图说明

图1为本发明中的装置在汽车上的安装示意图；

图2为本发明的方法流程图；

下面结合附图和具体实施方式对本发明的方案作进一步详细地解释和说明。

具体实施方式

本发明的能够预判驾驶员转向意图的辅助车灯控制方法，包括以下步骤：

步骤一：将摄像头安装在车辆驾驶室内，通过摄像头采集驾驶员的人脸图像，人脸图像中包含驾驶员的人眼信息。

步骤二：对采集到的人脸图像进行预处理。具体方法如下：对采集到的人脸图像进行灰度处理，得到灰度图像；对灰度图像进行图像滤波，采用中值滤波的方法，使得图像变得平滑，图像滤波后得到平滑图像。

步骤三：对平滑图像进行人眼识别，得到平滑图像中的人眼区域。具体方法如下：

针对平滑图像利用按行或按列求灰度值之和的方法得到横向灰度投影图和纵向灰度投影图；其中，横向灰度投影图的横轴表示平滑图像的横轴方向，横向灰度投影图的纵轴表示平滑图像上沿横轴的每一坐标点在纵轴方向的所有像素点的灰度值之和。纵向灰度投影图的纵轴表示平滑图像的纵向方向，纵向灰度投影图的横轴表示平滑图像上沿纵轴的每一坐标点在横轴方向的所有像素点的灰度值之和。

针对横向灰度投影图，查找图中的峰值，并查找峰值两侧的第一个谷底，分别以两个谷底为中心，向左右两侧各扩展50个像素点，分别得到两个人眼区域的水平区域；针对纵向灰度投影图，在纵向灰度投影图的上半部分查找局部最小值，以局部最小值为中心，向上下两侧各扩展15个像素点，得到人眼的竖直区域。根据两个水平区域和一个竖直区域得到两个人眼区域。

步骤四：在步骤三得到的人眼区域中确定两个瞳孔的位置。具体方法如下：

选取一个10*10大小的矩形框，使该矩形框在人眼区域内滑动，计算矩形框内的矩形区域的像素点的灰度值的最大值与像素点的灰度值的最小值，选取最大值与最小值的差值小于20的多个矩形区域，计算选取的多个矩形区域中的每个矩形区域内的所有像素点的灰度值的平均值，选取平均值最小的矩形区域，即为人眼区域中的瞳孔区域；瞳孔区域的中心点即为瞳孔的位置。另一个瞳孔的位置求取方法相同。

步骤五：分别在步骤三得到的两个人眼区域中确定所有角点的位置。具体方法如下：

定义3*3的矩形框，将人眼区域内的任意一个像素点置于矩形框的中心位置，将矩形框沿横轴方向移动，每次移动一个像素点的距离，计算每移动一次的矩形框内的9个像素点的灰度值的平均值，计算相邻的矩形框的平均值的变化量I_u，同理，将矩形框将纵轴方向移动，每次移动一个像素点的距离，计算每移动一次的矩形框内的9个像素点的灰度值的平均值，计算相邻的矩形框的平均值的变化量I_v，令I_uv＝I_u·I_v，得到方针利用方针C计算上述像素点的Harris算子R,R＝det(C)-k*tr²(C),其中，tr(C)表示方阵C的迹，det(C)表示方阵C行列式的值。k为经验值，通常取0.04～0.06。

若某像素点的Harris算子R大于设定阈值T，T取0.9，则该像素点为角点。最终得到所有角点，即4个角点。

步骤六：根据瞳孔位置和所有角点的位置，计算瞳孔偏移量。具体方法如下：

分别计算每个瞳孔与其对应的两个角点的连线中点，在横轴方向的距离d，分别为d1和d2，计算d1和d2的平均值，即为瞳孔偏移量。

步骤七：在车辆的左前轮和右后轮分别安装一个车速传感器，分别测得左前轮和右后轮的转速，根据左前轮的转速得到车速V₁，根据右后轮的转速得到车速V₂，最终得到车速

步骤八：根据瞳孔偏移量和车速，利用模糊算法，得到辅助灯应偏转角度。具体方法如下：

步骤8.1：对车速、瞳孔偏移量和辅助灯转角进行模糊化；包括以下步骤：

步骤8.1.1：车速模糊化。设定判断车速为0～100km/h，将判断车速范围均分成5个车速模糊集合，分别为FR(很快)，F(快)，M(中)，S(慢)，SR(很慢)

步骤8.1.2：瞳孔偏移量模糊化。设瞳孔偏移量值为-30～+30个像素值，其中负值表示向左偏移，正值表示向右偏移。将其均分为7个瞳孔偏移量模糊集合：LB(左偏移量大)，LM(左偏移量中)，LS(左偏移量小)，Z(无偏移)，RS(右偏移量小)，RM(右偏移量中)，RB(右偏移量大)；

步骤8.1.3：辅助灯转角模糊化。辅助灯转角范围是-60°～+60°，负值表示向左转动，正值表示向右转动。将其均分为7个辅助灯转角模糊集合：(左转角大)，(左转角中)，(左转角小)，(无转角)，(右转角小)，(右转角中)，(右转角大)。

步骤8.2：采用三角函数分别针对车速模糊集合、瞳孔偏移量模糊集合和辅助灯转角模糊集合，建立车速隶属度函数、瞳孔偏移量隶属度函数和辅助灯转角隶属度函数。具体方法如下:

建立车速x的车速隶属度函数μ_车速

建立瞳孔偏移量y的瞳孔偏移量隶属度函数μ_瞳孔

建立辅助灯转角z的辅助灯转角隶属度函数μ_转角：

步骤8.3：建立模糊控制表；根据车速隶属度函数求取步骤七得到的车速对应的车速隶属度；根据瞳孔偏移量隶属度函数求取步骤六得到的瞳孔偏移量对应的瞳孔偏移量隶属度；根据模糊控制表，结合车速隶属度和瞳孔偏移量隶属度，求得辅助灯转角所属的辅助灯转角模糊集合，以及辅助灯转角隶属度；

步骤8.3.1：建立模糊控制规则：瞳孔向左偏移，左侧辅助灯启动，瞳孔向右偏移，右侧辅助灯启动。瞳孔偏移越大，车速越快，辅助灯角度越大；瞳孔偏移适中，车速适中，辅助灯角度适中；瞳孔偏移越小，车速越慢，辅助灯角度越小；瞳孔不偏移，辅助灯角度为零。

步骤8.3.2：根据模糊控制规则建立模糊控制表：

对上述表格举例说明，如，若车速为FR模糊集合，且瞳孔偏移量为LB模糊集合，则辅助灯转角为模糊集合；

步骤8.3.3：将步骤七得到的车速代入车速x的隶属度函数μ_车速中，求得该车速下的车速隶属度；将步骤六得到的瞳孔偏移量代入瞳孔偏移量的隶属度函数μ_瞳孔中，求得该瞳孔偏移量下的瞳孔偏移量隶属度；

根据车速x的隶属度函数μ_车速，针对某一车速会求出两个车速隶属度，如某一车速属于模糊集合F(很快)，则根据车速的隶属度函数μ_车速的求取公式，可求出其针对的两个车速隶属度μ_F和μ_M，记，μ_F＝1/5，μ_M＝4/5。

根据瞳孔偏移量y的隶属度函数μ_瞳孔，针对某一瞳孔偏移量会求出两个瞳孔偏移量隶属度，如某一瞳孔偏移量属于模糊集合LS(左偏移量小)，则根据瞳孔偏移量的隶属度函数μ_瞳孔的求取公式，可求出其针对的两个瞳孔偏移量隶属度μ_LM和μ_LS，记μ_LM＝1/5，μ_LS＝4/5。根据模糊控制表可知：

若车速为F模糊集合，其对应的车速隶属度μ_F＝1/5，瞳孔偏移量为LM模糊集合，其对应的瞳孔偏移量隶属度μ_LM＝1/5，则辅助灯转角为辅助灯模糊集合,求车速隶属度μ_F＝1/5和瞳孔偏移量隶属度μ_LM＝1/5的最小值，作为辅助灯转角为模糊集合的隶属度

若车速为F模糊集合，其对应的车速隶属度μ_F＝1/5，瞳孔偏移量为LS模糊集合，其对应的瞳孔偏移量隶属度μ_LS＝4/5，则辅助灯转角为模糊集合；求车速隶属度μ_F＝1/5和瞳孔偏移量隶属度μ_LS＝4/5的最小值，作为辅助灯转角为模糊集合的隶属度

若车速为M模糊集合，其对应的车速隶属度μ_M＝4/5，瞳孔偏移量为LM模糊集合，其对应的瞳孔偏移量隶属度μ_LM＝1/5，则辅助灯转角为模糊集合；求车速隶属度μ_M＝4/5和瞳孔偏移量隶属度μ_LM＝1/5的最小值，作为辅助灯转角为模糊集合的隶属度

若车速为M模糊集合，其对应的车速隶属度μ_M＝4/5，瞳孔偏移量为LS模糊集合，其对应的瞳孔偏移量隶属度μ_LS＝4/5，则辅助灯转角为模糊集合；求车速隶属度μ_M＝4/5和瞳孔偏移量隶属度μ_LS＝4/5的最小值，作为辅助灯转角为模糊集合的隶属度

求取上述四个隶属度结果的最大值，即

得到辅助灯转角属于模糊集合辅助灯转角隶属度的大小为4/5。

步骤8.4：将步骤8.3得到的的值代入隶属度函数μ_转角中的求取偏转角度z的值；若求取的偏转角度z有两个值，则取两个值的平均值作为辅助灯应偏转角度。

步骤九：在辅助灯上安装角度传感器，得到辅助灯实际偏转角度；将辅助灯实际偏转角度与步骤八得到的辅助灯应偏转角度进行对比，得出辅助灯还应该偏转的角度大小；驾驶员根据求得的辅助灯还需要偏转的角度大小，控制辅助灯的偏转大小。