一种汽车智能防炫目方法及系统与流程

本发明涉及一种汽车智能防炫目方法及系统，尤其是涉及一种通过探测装置识别外界环境亮度及单点强光并进行预测性调节的智能汽车挡风玻璃附属装置。

背景技术：

在很暗的环境中(亮度低于10-²cd/m²时)，如无灯光照射的夜间，人眼的锥状细胞失去感光作用，视觉功能由杆状细胞取代，人眼失去感觉彩色的能力，仅能辨别白色和灰色，如果在此时出现短时强光，锥状细胞会直接起作用，视杆细胞因为内部的视紫红质在强光的照射下迅速分解而不起主导作用，如果强光消失，视杆细胞内的视紫红质会逐渐恢复，这个时间会比较长，所以锥状细胞起作用转换为杆状细胞起作用的时间比较长，这就是夜里眼睛受到对面强光闪烁后一段时间无法看清周围东西的原因，据统计，车祸数据中夜间车祸占60％以上，而在导致夜间车祸的非人为因素中，“大灯”炫目成高发因素。近年来，我国夜间交通事故造成死亡的事故中，与远光灯有关的占了30％至40％，并且呈上升趋势；针对上述问题，申请号为《201210560307.8》、《201410048552.x》、《201480064155.x》、《201510848696.8》、《201720490336.x》、《201810955087.6》、《201710284333.5》发明专利提供了解决方案，但是这些方案存在如下问题：

1、申请号为《201210560307.8》的发明专利所述装置，汽车驾驶员使用此装置驾驶汽车，在夜间遇到对面汽车开大灯时，申请号为《201210560307.8》的发明专利所述装置会将前挡风玻璃全部变为黑色，使汽车驾驶员不能看到除对面汽车大灯外其它部分不发出强光的部分，容易出现意外。

2、申请号为《201410048552.x》的发明专利所述装置，此装置对比车内外的光线强度进行调节，不是针对眼睛进光照度的变化而进行调节，在黑夜里使用申请号为《201410048552.x》的发明专利所述装置，对面大灯开启时，按照光速和申请号为《201410048552.x》的发明专利所述装置的探测、计算速度，可以认为车内外同时亮度增加，内外光线强度差值几乎没有，这使申请号为《201410048552.x》的发明专利所述装置不会有反应。

3、申请号为《201480064155.x》的发明专利所述装置，在检测驾驶员眼睛遇到对向大灯炫目时的常见动作后才动作，驾驶员有可能在眼睛遇到对向大灯炫目时没有动作，只有闭眼闭一下，申请号为《201480064155.x》的发明专利所述装置可能不起作用；另外，起作用时驾驶员也因为已经发生炫目的情形不能看清楚前方而出现危险。

4、申请号为《201510848696.8》的发明专利所述装置为眼镜架上的摄像头、数据处理单元等，因为装置设置在镜架上，镜架的大小因不同的驾驶员需要不同大小、尺寸变化，也有可能驾驶员本身就戴有度数的眼镜，即使是家用轿车，也需要同时适配两个人的尺寸，申请号为《201510848696.8》的发明专利所述装置不方便适配；因为申请号为《201510848696.8》的发明专利所述装置会比较重，在眼镜架上面会导致镜架歪斜，导致申请号为《201510848696.8》的发明专利所述装置探测的位置会有误差，从而影响效果。

5、申请号为《201810955087.6》的发明专利所述装置，检测到外部光强超出阀值即做动作，如果申请号为《201810955087.6》的发明专利所述装置在晚上对向大灯照过来后会将前挡风玻璃全部变黑，这会导致不该看到的部分没有看到，应该看到的部分也看不到的问题，所以不实用；申请号为《201810955087.6》的发明专利所述装置还存在挡风玻璃颜色变化过程慢的问题，所以申请号为《201810955087.6》的发明专利所述装置不实用。

6、申请号为《201710284333.5》的发明专利和上述发明专利里面所有非整屏控制的发明专利，没有对对向车灯前后变化的光流进行预测，导致对向车辆的任何变化都会使眼睛遭受多次炫目，即对方车辆大灯导致炫目、装置进行调整使大灯照不到眼睛、人眼恢复、对向车辆移动、大灯重新照到眼睛、再次炫目。

7、申请号为《201710284333.5》的发明专利和上述发明专利所述装置，没有进行预测性保护，即在侦测到对向的车辆时，在对向车辆没有开启大灯时就对其大灯的位置进行预调节，使对向车辆的大灯突然开启时上述装置被动的进行调节，调节时驾驶员已经发生炫目，没有起到防的作用，只是事后补救，所以申请号为《201710284333.5》的发明专利和上述发明专利所述装置都不实用，没有起到防炫目的作用。

上述所有的装置都是一种事后补救措施，即在对向的车强光照射到本车驾驶员眼睛上已经产生炫目的情况下，再调节相应的装置，但此时驾驶员眼睛已经发生炫目的情况，所以上述专利实用性不强。

技术实现要素：

针对现有产品、专利对夜间行车对面大灯造成的炫目而视觉暂时失明、造成驾驶员或者周围人员出现危险的情况处理不当等问题，本发明公开了一种汽车智能防炫目方法及系统，本发明通过对不同方向进入驾驶员眼睛的光线预测和差别控制，使对面行驶的车辆突然开远光灯时出现的强光不影响驾驶员的视觉，使对面行驶的车辆远光灯由远及近时出现的强光不影响驾驶员的视觉。

为了实现上述发明目的，本发明采用的技术方案为：一种汽车智能防炫目方法及系统，包含信息收集部分、控制部分、光线差别控制部分、驾驶员头部状态检测部分，每一部分具体如下：

1、所述信息收集部分，用于收集、侦测车辆前方驾驶员视线范围内可能发出强光的物体(目标)，收集方式可以是：

1)使用拍摄、雷达侦测的数据物体识别的方法收集物体信息，识别出前方的汽车、电瓶车、三轮车等可能强光源的物体信息，信息可以有光源类型、位置、距离、光源强度，识别方法可以是人工神经网络等人工智能方法，过程是：

提取目标的特征(orb，hist，hog，sift等)；

训练对应的分类器；

滑动窗口搜索；

重复和误报过滤。

识别方法也可以是用rcnn，spp-net，fast-rcnn，faster-rcnn、yolo，ssd等深度学习算法来识别目标。

2)使用can、加速度传感器、陀螺仪、gps、北斗等一种或者几种数据来源的本车位置、速度信息；

3)使用拍摄、雷达侦测的数据识别车辆前方路面信息；

2、所述控制部分，用于控制本系统内的其它部分，功能模块为光源识别模块、距离计算位置预测模块、眼睛位置计算模块、光线差别控制模块，具体如下：

光源识别模块，根据所述信息收集部分收集到的信息，识别出已经发出或者可能发出强光的光源，识别的信息过程是：识别现有汽车大灯信息，再根据所述信息收集部分收集到的汽车、电瓶车、三轮车目标，根据车型、车的位置推算大灯所在的位置；识别现有汽车大灯信息功能也可由所述信息收集部分实现；距离超出设定阀值的物体、光源可直接删除。

距离计算和位置预测模块，对可能发出强光的物体计算其在下一个时间点的可能的位置、距离，并预测出物体可能发出强光的部分下一个时间点的位置、距离、物体可能发出强光的部分大小；预测时考虑对向物体的速度范围、根据车型轮胎得到的最大上下起伏幅度及范围、与速度相关的转弯角速度范围、本车车速、本车转弯角度、本车前方路况信息，得到下一个时间点物体的范围和发光源的范围，即下一个时间点同一个发光源的位置可能有多个，预测可以使用卡尔曼滤波作为预测方法；预测也可以根据画面帧间的差异用horn-schunck、lucas-kanade等方法计算其光流；后使用曲线拟合方法得出其可能的运动轨迹函数，用轨迹函数预测下一个时间点目标的位置；或者在计算光流后使用仿射变换预测下一个时间点目标的位置。

眼睛位置计算模块，用所述驾驶员头部状态检测部分提供的数据计算出的驾驶员眼睛的位置，和所述光源识别模块、所述距离计算和位置预测中物体发光部分的大小、距离、位置、下一个时间点的距离、下一个时间点的位置范围、下一个时间点物体发光部分的大小信息计算所述光线差别控制部分上需要控制的点。

光线差别控制模块，根据所述眼睛位置计算结果、现有发光源的信息、下一个时间可能的发光源和发光源可能的位置范围，将需要控制区域内的透光量调节。

3、所述光线差别控制部分，用于在所述控制模块的控制下控制进入眼睛光线的每一个区域的透光率或者遮住区域进光的同时在此区域显示图像。

4、驾驶员头部状态检测部分，用于检测驾驶员头部的状态和两眼的位置，得到驾驶员当前头部状态下人眼的位置。

为了保证本发明的效果，所述光线差别控制部分遮盖的区域可以适当的扩大，扩大可以用膨胀运算处理光线差别控制模块需要控制透光量的区域，处理后的结果用于遮盖。

本发明的有益效果如下：

1、可以最大程度的避免行车中对向汽车、电瓶车、三轮车、测速摄像头等可能出现强光的光源对驾驶员造成的炫目情况，不但适合于白天行车、也适合于夜晚行车。

2、通过对发光源的预测，在对向车辆出现遮挡、转弯、颠簸时，不会造成强光向驾驶员眼睛的泄露。

3、正常行驶的汽车，在对向车辆从没有开任何灯，预先调整，在对向车辆突然开大灯时，因为有预先调整，使射入本车驾驶员眼睛的对向车大灯灯光减小到可接受的程度。

4、在无法识别对向车辆的情况下，有突然的强光导致驾驶员炫目，系统调整对向车辆大灯到本车驾驶员眼睛光线的透光率到驾驶员到可接受的程度。

5、本发明将现有的强光源屏蔽或者替代，并预测可能出现的造成炫目的强光源情况，并根据预测事先调节相应的装置，将可能的强光光源进入驾驶者眼部的光线的透光率减到在强光光源发出强光时光线到达驾驶者眼睛不会出现炫目的程度，也可以遮蔽可能的强光光源进入驾驶者眼部的光线并在相应的位置另行显示图像替代。

6、本发明的可以预测可能的强光源位置，强光源的位置可以是：

当前可能发出强光的物体及具体位置；

下一个时间点可能发出强光物体的运动轨迹。

7、本发明所述系统，在遮挡对向强光源时，不论驾驶员的眼睛看向何处，都不会影响驾驶员的视线，人的眼睛在暗处会不自觉的看向对面强光源，使用本发明所述系统后，驾驶员的视线不会被对向强光吸引，不会造成因视线被吸引而没有注意前进方向物体造成的危险。

附图说明

图1为本发明实施例的汽车智能防炫目方法流程示意图。

图2为本发明实施例的汽车智能防炫目系统组成模块示意图。

具体实施方式

下面通过实施例来说明本发明的具体工作方式。

本发明汽车智能防炫目方法及系统实施例1流程如附图1，本发明实施例1系统组成模块如附图2，本发明实施例1包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分和205通信部分，具体每一部分如下：

1、201信息收集部分，用于侦测照到汽车前挡风玻璃上的光线强度和画面并测出物体的距离，信息收集部分为两个摄像头和计算装置nvidiagtx1060，摄像头上有液晶遮挡装置，可以在控制下调节摄像头每一点的透光率，两个摄像头安装在汽车两侧a柱进行拍摄，功能模块是：

1)目标提取模块，目标提取的目的是将需要的车辆从摄像头拍摄的画面中提取出来，提取过程是将场景图像序列输入、基于混合高斯背景建模的自适应背景提取、帧差法提取车辆目标、形态学闭操作、外接矩形操作、尺寸形态伪目标判定、提取车辆目标；对车辆目标进行车型识别，在系统使用前用各类型汽车、各角度、遮盖不同的比例的图片提取orb特征训练svm分类器；识别的方式是：

提取特征，提取车辆的orb特征；

使用车辆特征用svm进行识别，识别出车型信息；

对于天黑只能拍摄到车灯的情况，识别不出车辆，直接用车灯作为目标，用画面上的所有光源除掉目标提取模块已经识别出的目标剩下即算为车灯目标。

2)识别光源强度模块，从摄像头拍摄到的画面上识别出强光源，强光源是与周围环境相比亮度超出设定阀值的部分，识别的方式是用形态学梯度的方法识别区域，处理完后的照片用边缘分隔成多个区域，计算每一个区域中心点的亮度值，计算画面的亮度值，如果某区域的亮度比画面的平均亮度大于设定阀值，则在摄像头上的液晶遮挡装置将此区域的透光量减小，直至某区域的亮度与画面的平均亮度之差的绝对值小于设定阀值，记录透光量减小值，根据透光量减小值判断特定的光源是否是车辆的前大灯。

3)检测目标距离模块，根据两个摄像头同一时间拍摄画面的差异(视差)计算出已经提取出的目标的距离，距离可以用z＝fb/d得到，其中f为相机焦距，b为两相机中心距，d为两个摄像头同一时间拍摄图像上检测目标的视差；对于汽车，计算对向汽车左前角的距离，如果汽车左前角被挡住，使用车型、右侧位置、距离数据预测出左侧位置、距离；对于没有识别出车型的发光源直接计算发光源中心点的距离；对于距离超出预定阀值的目标直接删除。

2、202控制部分，使用全志t7芯片，用于控制本系统内的其它部分，功能模块有光源识别模块、距离计算和位置预测模块、眼睛位置计算模块、光线差别控制模块，具体如下：

1)光源识别模块，根据所述信息收集部分收集到的信息，识别出已经发出和可能发出强光的光源，对识别出的车型信息、位置信息经过计算得到强光源位置、可能的位置，可能的位置是前车挡住后车一侧大灯时这个大灯的位置；对于天黑只能拍摄到车灯的情况，识别不出车型，直接用车灯位置作为一侧灯的位置进行预测两侧大灯的位置，这个预测是根据分析所有车型数据得到两侧大灯的可能位置范围，因为车型不明，这个位置是根据事先统计的经验值得到的一个范围。

2)距离计算和位置预测模块，根据本车的速度、转弯角度、车辆前方的可能发光的物体信息，以及对向物体可能的速度(最大为导航信息内的道路限速)、根据车型轮胎得到的最大上下起伏幅度、转弯角速度，以本车为坐标原点，对可能发出强光的物体计算其在下一个时间点的可能的位置、距离，并预测出物体可能发出强光的部分下一个时间点可能的位置、距离、物体可能发出强光的部分大小；下一个时间点同一个物体可能的位置有多个是一个范围；对于识别出车型的对向目标，根据对向目标当前位置预测出当前大灯的位置，以道路的限速和下一个检测时间点预测出下一个时间点当前目标大灯的位置，根据车型的轮胎数据预测出可能的起伏范围，根据汽车转弯能力预测出下一个时间点当前目标转弯导致大灯位置的变动，将所有可能的大灯的位置范围记录；对于天黑只能拍摄到车灯的情况，识别不出车型，直接用车灯光源位置进行预测，用车灯光源作为一侧车灯进行两侧的可能强光源位置预测，及下一个时间点位置预测，预测时车型轮胎数据可以用一个设定值；预测使用预先做好的统计数据，预先统计好各种已知车型车灯的位置关系，预测时根据一侧车灯，另一侧的位置按照所有已知车型的车灯位置关系预测。

3)眼睛位置计算模块，用所述驾驶员头部状态检测部分的数据计算出的驾驶员眼睛的位置，使用训练过的haar分类器，找到驾驶员头部状态检测部分拍摄的驾驶员两只眼睛的图像，将图像中眼睛的中心点用两个摄像头进行距离检测，计算出眼睛的距离，根据眼睛的距离、眼睛在画面上的位置，计算出眼睛的位置。

4)光线差别控制模块，根据所述眼睛位置计算将需要控制区域内的透光量调节，根据眼睛的位置、光线差别控制的位置、信息收集部分双摄像头的位置、距离计算和位置预测得出光源预测的位置，计算出光线差别控制部分需要控制透光率的区域，并将此区域变暗。

3、203光线差别控制部分，为附在前挡风玻璃上的液晶薄膜，可以根据控制部分的控制指令将某一区域的透光率减小。

4、204驾驶员头部状态检测部分，为安装在驾驶室驾驶员前方的双目摄像头，用于检测驾驶员眼睛的位置。

5、205通信部分，为can接口，用于取得车辆的速度、转弯角度信息。

本发明实施例1工作流程如下：

1.101采集车外画面，打开汽车a柱上的双摄像头，拍摄所需的画面，拍摄画面，对画面进行识别，识别出汽车、电瓶车、三轮车等出现的光源，并得到光源的强度；

2.102根据目标信息，计算目标距离；

3.103识别车型，无法识别出的光源按照车灯算；

4.104得到当前光源位置，根据车型信息和距离、位置信息得到当前可能的强光源位置；无法识别出的光源按照汽车一侧车灯算出可能的其它两侧的灯位置；

5.105预测将来光源位置1，根据当前本车速度、对向车距离、车道限速、对向车车型等信息预测出下一个时间点对向车强光源的位置；

6.106预测将来光源位置2，根据当前本车速度、无法识别出的光源按照汽车一侧车灯算出可能的其它两侧的灯位置信息得到三个点的下一个时间点的位置信息；

7.107得到当前眼部位置信息；

8.108计算遮挡区域位置，计算出光线差别控制部分需要降低透光率的位置；

9.109光线差别控制部分按照上述计算数据降低需要部分的透光率。

本发明实施例2流程如附图1，本发明实施例2系统组成模块如附图2，本发明实施例2包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分、205通信部分，具体每一部分如下：

1、201信息收集部分，用于侦测照到汽车前挡风玻璃上的光线强度和画面、并测出物体的距离，信息收集部分为一个摄像头和一个ousteros-1-16线激光雷达和计算装置nvidiagtx1060，摄像头上有液晶遮挡装置，可以在控制下调节摄像头每一点的透光率，摄像头和激光雷达安装在汽车内后视镜的前方挡风玻璃外进行拍摄和探测，功能模块是：

1)目标提取，目标提取的目的是将需要的车辆从摄像头拍摄的画面中提取出来，提取前用激光雷达带深度的图像训练深度学习算法，提取时用深度学习识别激光雷达送来的带深度信息的图像、得到汽车、电瓶车、三轮车等信息。对车辆目标进行车型识别，在系统使用前用各类型汽车、各角度、遮盖不同的比例的图片提取orb特征训练svm分类器；识别的方式是：

提取特征，提取目标的orb特征；

使用目标特征用svm进行识别，识别出车型信息；

对于识别不出车辆，直接用车灯作为目标，用画面上的所有光源除掉目标提取模块识别出的目标即算为车灯目标。

2)识别光源强度，从摄像头拍摄到的画面上识别出强光源，强光源是与周围环境相比亮度超出设定阀值的部分，使用霍夫变换识别出画面上的圆形区域；计算每一个区域中心点的亮度值，计算画面的亮度值，如果某区域的亮度比画面的平均亮度大于设定阀值，则将此区域的透光量减小，直至某区域的亮度与画面的平均亮度之差的绝对值小于设定阀值，记录透光量减小值，根据透光量减小值判断特定的光源是否是车辆的前大灯。

3)检测目标距离，根据识别出来的车辆目标，从激光雷达的数据中取得目标的距离数据。对于汽车，取出对向汽车左前角的距离，如果汽车左前角被挡住，使用车型、右侧位置、距离数据预测出左侧位置、距离；对于没有识别出车型的发光源直接取出发光源中心点的距离。

2、202控制部分，使用全志t7芯片，用于控制本系统内的其它部分，完成的功能为光源识别、位置预测、眼睛位置计算、光线差别控制，具体如下：

1)光源识别，根据所述信息收集部分收集到的信息，识别出已经发出和可能发出强光的光源将识别出的车型信息、位置得到强光源可能的位置；对于识别不出车型的光源位置，直接用车灯位置进行预测。

2)位置预测，根据本车的速度、转弯角度、车辆前方的可能发光的物体信息，以本车为坐标原点，对可能发出强光的物体计算其在下一个时间点的可能的位置、距离，并预测出物体可能发出强光的部分下一个时间点的位置、距离、物体可能发出强光的部分大小；预测时考虑对向物体的速度、根据车型轮胎得到的最大上下起伏幅度、转弯角速度，下一个时间点的位置有多个；对于识别出车型的目标，根据当前位置预测出当前大灯的位置，以道路的限速和下一个检测时间点预测出下一个时间点当前目标大灯的位置，根据车型的轮胎数据预测出可能的起伏，根据汽车转弯能力预测出下一个时间点当前目标转弯导致大灯位置的变动，将所有可能的大灯的位置记录；对于识别不出车型的光源，直接用车灯光源位置进行预测，用车灯光源作为一侧车灯进行两侧的可能强光源位置预测，及下一个时间点位置预测；

3)眼睛位置计算，用所述驾驶员头部状态检测部分的数据计算出的驾驶员眼睛的位置，使用训练过的haar分类器，找到驾驶员头部状态检测部分拍摄的驾驶员两只眼睛的图像，将图像的中心点用两个摄像头进行距离检测，计算出眼睛的距离，根据眼睛的距离、眼睛在画面上的位置，计算出眼睛的位置。

4)光线差别控制，根据所述眼睛位置计算将需要控制区域内的透光量调节，根据眼睛的位置、光线差别控制的位置、信息收集部分激光雷达的位置、距离计算和位置预测得出光源预测的位置，计算出光线差别控制部分需要控制透光率的区域，并将此区域变暗。

3、203光线差别控制部分，为附在前挡风玻璃上的液晶薄膜，可以根据控制部分的控制指令将某一部分的透光率减小。

4、204驾驶员头部状态检测部分，为安装在驾驶室驾驶员前方的双目摄像头，用于检测驾驶员眼睛的位置。

5、205通信部分，为can接口用于和车辆通信，取得车辆的速度、转弯角度信息。

本发明实施例2工作流程如下：

1.101采集车外画面，打开激光雷达和摄像头，拍摄画面，得到画面和每一点的距离信息，对画面、距离信息进行识别，识别出汽车、电瓶车、三轮车等出现的光源，并得到光源的强度；

2.102根据目标信息，计算目标距离；

3.103识别车型，无法识别出的光源按照车灯算；

4.104得到当前光源位置，根据车型信息和距离、位置信息得到当前可能的强光源位置；无法识别出的光源按照汽车一侧车灯算出可能的其它两侧的灯位置；

5.105预测将来光源位置1，根据当前本车速度、对向车距离、车道限速、对向车车型等信息预测出下一个时间点对向车强光源的位置；

6.106预测将来光源位置2，根据当前本车速度、无法识别出的光源按照汽车一侧车灯算出可能的其它两侧的灯位置信息得到三个点的下一个时间点的位置信息；

7.107得到当前眼部位置信息；

8.108计算遮挡区域位置，计算出光线差别控制部分需要降低透光率的位置；

9.109光线差别控制部分按照上述计算数据降低需要部分的透光率。

本发明实施例3流程如附图1，本发明实施例3系统组成模块如附图2，本发明实施例3包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分、205通信部分，除203光线差别控制部分外，其它部分同本发明实施例1，所述203光线差别控制部分实现与功能如下：

光线差别控制部分为紧贴在车辆前部挡风玻璃上的两层薄膜，内层薄膜为自发光的oled薄膜，外层为液晶薄膜，分别用来在控制部分的控制下遮挡某区域光线和某区域显示图像，功能是在有对面强光照射过来时，在控制部分的控制下外部强光与眼睛连线在外层薄膜上的交点变为不透光，外部强光与眼睛连线在内层薄膜上的交点显示摄像头拍到的相应位置的画面。

本发明实施例4流程如附图1，本发明实施例4系统组成模块如附图2，本发明实施例4包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分、205通信部分，除201信息收集部分外，其它部分同本发明实施例1，所述201信息收集部分目标提取算法如下：

1、构建cnn网络结构；

两个卷积层+池化层，最后接上两个全连接层。

第一层卷积使用32个7x7x1的卷积核，步长为1，边界处理方式为“same”，激活函数为relu，后接一个2x2的池化层，方式为maxpooling；

第二层卷积使用50个3x3x32的卷积核，步长为1，边界处理方式为“same”，激活函数为relu，后接一个2x2的池化层，方式为maxpooling；

第一层全连接层：使用1024个神经元，激活函数为是relu；

第二层全连接层：使用10个神经元，使用softmax分类器，用于输出结果；

2、使用log对数损失函数，配置adam算法的优化器，建立正确率的计算表达式；

3、识别。

识别前对cnn网络用数据进行训练。

本发明实施例5流程如附图1，本发明实施例5系统组成模块如附图2，本发明实施例5包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分、205通信部分，除201信息收集部分外，其它部分同本发明实施例2，201信息收集部分目标提取算法使用fastyolo，fastyolo结构如下：

构建fastyolo网络结构；

6个卷积层+池化层，最后接上3个dense隐藏层；

第一层卷积使用16个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为(leakyrelu，后接一个2x2的池化层，方式为maxpooling；

第二层卷积使用32个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为leakyrelu，后接一个2x2的池化层，方式为maxpooling；

第三层卷积使用64个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为leakyrelu，后接一个2x2的池化层，方式为maxpooling；

第四层卷积使用128个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为leakyrelu，后接一个2x2的池化层，方式为maxpooling；

第五层卷积使用256个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为leakyrelu，后接一个2x2的池化层，方式为maxpooling；

第六层卷积使用512个3x3x1的卷积核，步长为1，边界处理方式为“same”，激活函数为leakyrelu，后接一个2x2的池化层，方式为maxpooling；

将多层数据变成一维数据

第一层dense层：使用参数256；

第二层dense层：使用参数4096，激活函数为是relu；

第三层dense层：使用参数1470。

本发明实施例6流程如附图1，本发明实施例6系统组成模块如附图2，本发明实施例6包含201信息收集部分、202控制部分、203光线差别控制部分、204驾驶员头部状态检测部分、205通信部分，除201信息收集部分外，其它部分同本发明实施例1，201信息收集部分车型识别如下：

使用百度ai云识别接口进行车型识别。

虽然本发明已以较佳实施例公开如上，但实施例和附图并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。