基于神经网络的智能车灯控制系统及其方法与流程

本申请涉及一种基于神经网络的智能车灯控制系统及其方法，属于智能交通监控领域。

背景技术：

开车时，常需根据前方路况变更车道，变更车道时，需要及时开启转向灯，并及时变更方向。变更车道前，是否开启转向灯需要驾驶人员自行人工控制。依靠人工开/闭转向灯，可靠性较低，时常发生遗忘或开灯不及时，进而导致各类事故发生。

现有解决方法为，通过在驾驶装置中增设陀螺仪，通过陀螺仪识别驾驶人员的转向动作，控制转向灯的开闭。但该方案无法做到提前预判车辆运动情况，只有车辆已经开始转弯或者已经变更车道的时候，才能触发转向车灯，车灯开启时间已经滞后。

驾驶车辆过程中，根据交通法规规定，隧道内行驶需要开启前车灯。人工控制车灯开启常出现滞后或遗忘的情况，进而导致各类事故的发生。

现有解决方法为：当车辆驶入隧道时，由于隧道中亮度较低，通过在车辆前端加装感光装置，随着车辆驶入隧道，亮度进一步降低后，才能触发该感光装置，自动调整车辆照明装置亮度。一般需要进入隧道当采光亮度变化时才开启或切换灯光，这个时间点容易导致事故。

车辆行驶过程中，事故高发常是因为车辆前方突然出现人或障碍物。

现有技术中基本都是靠人眼识别，手动切换灯光，一是要靠司机的眼睛来判断行人或者障碍物，再快速反应，二是司机判断后再切换灯光通知行人，时间上已经滞后，容易造成事故。

技术实现要素：

根据本申请的一个方面，提供了一种基于神经网络的智能车灯控制系统，该系统能根据行驶过程中获得的目标信息，自动控制车灯led显示阵列实现车灯自动调节。

所述基于神经网络的智能车灯控制系统，其特征在于，包括：

摄像装置，用于采集车辆前方的视频数据，并与视频处理器数据连接；

所述视频处理器，用于采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息，根据所述目标预判信息产生控制指令，所述视频处理器与led阵列控制模块控制连接；

所述led阵列控制模块，用于根据所述控制指令，控制led显示阵列。

可选地，所述控制led显示阵列包括：控制led显示阵列进行远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置根据所述目标预判信息的行驶方向转向。

可选地，所述控制led显示阵列包括：控制led显示阵列进行远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置根据目标预判信息行驶方向转向。对于led显示阵列的控制手段，包括但不限于通过控制led显示阵列各单元的供电功耗和显示亮度，组合实现远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置随行驶方向转向。

可选地，所述摄像装置安装在车灯本体中央；所述视频处理器集成在所述车灯本体中。

可选地，所述目标预判信息按位置信息、紧急优先度依序给予预判和提示。

可选地，所述led阵列控制模块通过控制所述led显示陈列中各单元的输出功率实现亮度调整。

可选地，所述led阵列控制模块通过pwm(脉冲宽度调制)调整各个led显示阵列的工作功率和显示亮度，从而对所述led阵列的整体显示效果进行控制操作。

可选地，所述视频处理器与同车其他视频获取装置数据连接；所述led阵列控制模块与同车警示车灯电连接。

可选地，所述基于神经网络的智能车灯控制系统，包括：

卫星定位校正模块，用于获取车辆地理信息，判断所述目标预判信息与所述地理信息是否一致，如果不一致则将所述地理信息替代所述目标预判信息，所述卫星定位校正模块与所述视频处理器电连接。卫星定位校正模块与全球卫星定位系统连接。

可选地，所述视频处理器包括如下功能单元：

警示单元，用于判断所述目标是否为阻挡物，如果是则发出控制所述远/近光灯频繁切换的所述控制指令；

转向灯光补偿及提示单元，用于判断所述目标是否为道路转向，如果是则发出控制所述led显示阵列聚光点随道路转向转动，且始终处于车前方所述控制指令；

隧道预先补光单元，用于判断所述目标是否为隧道，如果是则发出调节所述led显示阵列亮度的所述控制指令。

可选地，所述提示功能单元中发出的所述控制指令包括将远光灯切换为近光灯控制指令。

可选地，所述摄像装置用于获取车前方20～300m处的所述视频数据。

可选地，所述摄像装置为行车记录仪。

根据本申请的又一个方面，提供了一种基于神经网络的智能车灯控制方法，包括以下步骤：

采集车辆前方的视频数据；

采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息；

根据所述目标预判信息，生成动作指令，控制led显示阵列。

可选地，所述训练后的深度学习型神经网络的训练包括以下步骤：

标注训练数据库中各图片的路况信息，得到标注图像；

采用神经网络识别所述标注图像，进行深度学习训练所述神经网络识，得到训练后的深度学习神经网络模型。

可选地，所述训练数据库各图片中路况信息至少包括：正常行驶、行驶道路转向、进入隧道或离开隧道中的一种。

本申请能产生的有益效果包括：

1)本申请所提供的基于神经网络的智能车灯控制系统，基于机器视觉分析，判断车辆行驶过程中是否进行变道，一旦检测到发生变道，能及时实现转向灯开启。并能自动控制车灯照明转向。

2)本申请所提供的基于神经网络的智能车灯控制系统，基于机器视觉分析，在出入隧道前，根据行车记录仪所得图像，提前预判车辆是否即将进入隧道，根据判断结果，控制前车灯的开启，并根据在隧道内的行驶深度对车灯的亮度进行调整。

3)本申请所提供的基于神经网络的智能车灯控制系统，基于机器视觉分析，当车辆前方出现行人或障碍物时，根据图像识别结果，及时对车灯进行远/近光灯的快速切换，从而提醒行人做出反应。

4)本申请所提供的基于神经网络的智能车灯控制系统，应用机器视觉和人工智能技术，自动判断车辆转向、行人、隧道等状况，实现车灯自身控制、与其它车灯组网及相关外设的联动动作，减少人为操作，增强道路交通安全。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本申请一种实施方式中基于神经网络的智能车灯控制系统的结构示意图；

图2为本申请又一种实施方式中基于神经网络的智能车灯控制系统的结构示意图；

图3为本申请再一种实施方式中基于神经网络的智能车灯控制系统的结构示意图；

图4为本申请一种实施方式中视频处理器的结构示意图；

图5为本申请一种实施方式中基于神经网络的智能车灯控制方法流程示意框图。

具体实施方式

下面结合实施例详述本申请，但本申请并不局限于这些实施例。

参见图1，本发明提供了一种基于神经网络的智能车灯控制系统，包括：

摄像装置100，用于采集车辆前方视频数据，并与视频处理器200数据连接；

视频处理器200，集成在所述车灯本体中，用于采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息，根据所述目标预判信息产生控制指令，视频处理器200与led阵列控制模块300控制连接；

led阵列控制模块300，用于根据所述控制指令，控制led显示阵列进行远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置根据目标预判信息中包含的车辆行驶方向转向。

通过神经网络算法识别出各帧图像中的目标后，根据识别结果，再经过神经网络算法，得出各图像中目标对应的预判信息，预判信息包括，行驶前方是否即将进入隧道、是否行驶前方即将驶出隧道、是否道路即将发生转弯灯信息。

所述目标预判信息按位置信息、提示信息的顺序依序显示。如{右前方，50米，隧道}，{左前方，100米，转弯}，便于用户查看，也可同步给本车其它车灯和外协设备，例如驾驶室内的显示屏，或上传至大数据中心。摄像装置100在一个具体实施例中，可以安装在车灯本体中央，也可以为安装于车辆驾驶室内的行车记录仪。视频处理器200也可以根据需要集成在所述车灯本体中。摄像装置100及视频处理器200集成安装于所述智能车灯上。从而提高智能车灯的集成度。

本领域技术人员可根据远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置随行驶方向转向的需要，控制led显示阵列中各单元的功耗和发光亮度，从而实现上述效果。例如控制led显示阵列中相应单元电压动态调整，实现车灯照明亮度转向及转向灯功能。

所述灯光照射方向调整、远近光切换、转向指示等功能是通过led阵列的单元组合控制来实现。所述led显示阵列分布于弧面上，led显示阵列产生的光线通过聚光板投射到前方路面，不同led单元聚光的角度和距离不同。因此，可以通过发光阵列的显示组合，实现聚光方向和聚光与车辆距离的调整。

采用该系统能实现远/近光根据路况进行调整、车灯朝向调整及通过快速切换远/近光实现警示路人的效果。

以远近光切换用来提醒前方路人的动作为例，根据目标预判信息，按相关道路法规要求，控制led显示阵列切换远/近光灯。

可选地，led阵列控制模块300通过pwm对所述led显示阵列各单元进行控制操作。可对led显示阵列的每个单元进行亮度的线性或非线性控制，以实现整体提示效果，甚至可以控制led显示阵列进行灯语的表达。

可选地，视频处理器200与同车其他视频获取装置数据连接。通过将视频处理器200与同车的如行车记录仪等器件相连接，能获取更多的视频数据，以便综合判断车辆所处环境。

参见图2，所述led阵列控制模块300与同车警示车灯电连接。视频处理器200通过can总线或其它有线无线电连接方式与同车车灯、外设实现实时数据交换和联动，实现整体车辆的远近光切换、照射方向调整、转向指示、后照示阔、警示音等功能。

参见图3，包括卫星定位校正模块，用于获取车辆地理信息，判断所述目标预判信息与所述地理信息是否一致，如果不一致则将所述地理信息替代所述目标预判信息，所述卫星定位校正模块与所述视频处理器200电连接。

通过卫星定位模块获取的车辆实时位置信息，能避免仅依靠视频数据产生的误判情况发生。尤其适用于提高车辆是否即将进入隧道的判断准确性。

参见图4，可选地，所述视频处理器200包括：

提示单元，用于判断所述目标是否为阻挡物，如果是则发出控制所述远/近光灯频繁切换的所述控制指令；

转向单元，用于判断所述目标是否为道路转向，如果是则发出控制所述led显示阵列聚光点随道路转向转动，且始终处于车前方所述控制指令；此处的道路转向包括但不限于车道转弯或者倒车。

隧道单元，用于判断所述目标是否为隧道，如果是则发出调节所述led显示阵列亮度的所述控制指令；例如开启或关闭所述led显示阵列部分单元实现亮度调节。

转向单元发出控制指令后，控制车灯led阵列中部分单元电压动态调整，实现车前聚焦点随车辆行驶方向转向而转动。

在一具体实施例中，所述目标中包括逐帧增大的隧道洞口前，提示车辆即将驶入隧道。目标大部分为黑色阴影时，出现逐帧增大的光亮点时，提示车辆即将驶离隧道。车辆即将离开或进入隧道时，发出所述控制指令。从而实现在出入隧道前，根据分类结果提前预判并自动进行灯光开关和亮度调整，避免在出、入隧道时发生事故。

在一具体实施例中，将标注好路况信息图片作为训练数据库，放入神经网络中进行预训练，然后在车辆实际行驶过程中,通过行驶记录仪获取视频数据，采用训练好的神经网络对视频数据中每一帧图像中的目标信息进行获取和实时分析，判断目标信息中是否包含隧道、障碍物、道路转向，如果包含隧道，则预先发出控制指令，控制led显示阵列提高亮度，为进入隧道行驶做准备；如果包含障碍物，则控制远近光灯频繁切换，提醒路人避让；如果包含道路转向，根据道路转向，控制led显示阵列随着转向角度开闭各单元，保证聚光点式中处于车辆行驶道路的中间。

可选地，所述提示单元中发出的所述控制指令包括将远光灯切换为近光灯控制指令。根据需要及时切换远光灯，避免交通事故的发生，提高行驶安全。

根据视频数据中目标是否为行人或障碍物，由提示单眼发出控制指令，实现自动将远光灯切换为近光灯，或进行远/近光灯的快速切换以便瞬时提醒司机和行人反应动作。从而避免远光灯对人体视觉的影响，提醒路人，附近有车辆驶入的情况。

可选地，所述摄像装置100用于获取车前方20～300m处的所述视频数据。车近光灯一般在车前方5～35米的位置，以高速公路90km/h的均速来看，捕捉前方20～300m的距离，有灯光变换的话，有足够的时间来消除视觉惰性的影响。

可选地，所述摄像装置100为行车记录仪。减少装置降低成本。

参见图5，本发明提供的基于神经网络的智能车灯控制方法，包括以下步骤：

采集车辆前方的视频数据；

采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息；

根据所述目标预判信息控制led显示阵列。

采用该方法，能及时准确掌握车辆行驶过程中可能遇到的各类路况，并控制智能车灯中的led显示阵列，根据路况自动进行调整，从而提高行驶安全性。

可选地，所述深度学习神经网络的训练包括以下步骤：

标注训练数据库中各图片的路况信息，得到标注图像；

采用神经网络识别所述标注图像，进行深度学习训练所述神经网络识，得到训练后的深度学习神经网络模型。

可选地，所述训练数据库各图片中路况信息至少包括：正常行驶、行驶道路转向、进入隧道或离开隧道中的一种。

以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。