基于机器视觉的预防车辆闯红灯的系统、方法、装置和介质与流程

本发明涉及机器视觉和安全驾驶领域，尤其涉及基于机器视觉的预防车辆闯红灯的系统、方法、装置和介质。

背景技术：

目前随着大城市交通越来越拥挤，对于短距离出行，越来越多的人选择共享单车或者共享电动车，然而随着共享车辆驾驶人数基数的增加，不遵守交通规则的人也随之增加，时常出现因为闯红灯而引发的悲剧。

因此，本领域的技术人员致力于开发一种能够有效预防车辆乱闯红灯的技术方案。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明提供基于机器视觉的预防车辆闯红灯的系统、方法、装置和介质，用于有效解决现有技术中无法预防车辆乱闯红灯的问题。

为实现上述目的，本发明的第一方面提供了一种基于机器视觉的预防车辆闯红灯的系统，其特征在于，所述系统设于车辆上，其包括：图像采集装置，用于采集前方路况的实时图像；图像处理装置，连接所述图像采集装置，用于接收并提取实时图像中的交通指示灯信息；所述交通指示灯信息包括是否有交通指示灯以及指示灯状态；车速检测装置，用于检测车辆的当前车速；断电保护装置，用于为车辆提供或切断电源；降速判断装置，分别连接所述图像处理装置、车速检测装置和断电保护装置；其中，所述降速判断装置从所述图像处理装置接收所述交通指示灯信息，并从所述车速检测装置接收车辆的当前车速信息；所述降速判断装置在指示灯状态为红灯状态时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时通过所述断电保护装置切断车辆的电源。

在本发明第一方面的较佳实施方式中，所述降速判断装置在判断车辆的当前车速递减且根据当前车速递减的状态预测其能够在预设时段内降速至预设阈值时，判断车辆满足降速要求。

在本发明第一方面的另一较佳实施方式中，所述降速判断装置记录在一时段内的一组连续的车速数组，通过判断所述车速数组是否为降序排列来判断车辆的当前车速是否递减；并利用数据拟合算法来预测车辆的车速，据以判断车辆在经历所述预设时段后的车速是否降至所述预设阈值。

为实现上述目的，本发明的第二方面提供一种基于机器视觉的预防车辆闯红灯的方法，应用于图像处理装置；所述图像处理装置设于车辆上；所述方法包括：接收车辆前方路况的实时图像；利用目标检测模型检测所述实时图像中是否有交通指示灯；利用图像分类模型对所述实时图像中交通指示灯的状态进行分类；将所述实时图像中的交通指示灯的状态信息向外发送，以供在交通指示灯为红灯时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时切断车辆的电源。

为实现上述目的，本发明的第三方面提供一种基于机器视觉的预防车辆闯红灯的方法，应用于降速判断装置；所述降速判断装置设于车辆上；所述方法包括：接收交通指示灯信息和车辆的当前车速信息；若根据所述交通指示灯信息确定当前指示灯为红灯，则根据所述车辆的当前车速信息判断车辆是否满足降速要求；若不满足降速要求，则发出切断车辆电源的控制指令；其中，所述降速要求包括车辆的当前车速递减且根据当前车速递减的状态预测其能够在预设时段内降速至预设阈值。

在本发明第三方面的另一较佳实施方式中，所述方法还包括：记录在一时段内的一组连续的车速数组；判断所述车速数组是否为降序；若所述车速数组不为降序，则发出切断车辆电源的控制指令；若所述车速数组为降序，则利用数据拟合算法来预测车辆的车速，并判断车辆在经历所述预设时段后的车速是否降至所述预设阈值；若降至所述预设阈值，则判断车辆满足降速要求；否则，发出切断车辆电源的控制指令。

为实现上述目的，本发明的第四方面提供一种图像处理装置，包括：第一接收模块，用于接收车辆前方路况的实时图像；目标检测模块，用于利用目标检测模型检测实时图像中是否有交通指示灯；图像分类模块，用于利用图像分类模型对所述实时图像中交通指示灯的状态进行分类；第一发送模块，用于将所述实时图像中的交通指示灯的状态信息向外发送，以供在交通指示灯为红灯时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时切断车辆的电源。

为实现上述目的，本发明的第五方面提供一种降速判断装置，包括：第二接收模块，用于接收交通指示灯信息和车辆的当前车速信息；判断模块，用于在根据所述交通指示灯信息确定当前指示灯为红灯时，根据所述车辆的当前车速信息判断车辆是否满足降速要求；第二发送模块，用于在所述判断模块判断车辆不满足降速要求时，发出切断车辆电源的控制指令。

为实现上述目的，本发明的第六方面提供一种车辆，包括所述基于机器视觉的预防车辆闯红灯的系统。

为实现上述目的，本发明的第七方面提供一种计算机可读存储介质，其上存储有第一计算机程序和/或第二计算机程序，所述第一计算机程序被处理器执行时实现应用于图像处理装置的所述基于机器视觉的预防车辆闯红灯的方法；所述第二计算机程序被处理器执行时实现应用于降速判断装置的所述基于机器视觉的预防车辆闯红灯的方法。

本发明提供的基于机器视觉的预防车辆闯红灯的系统、方法、装置和介质具有以下技术效果：本发明能够提前预判车辆的闯红灯行为，在车辆遇到红灯不降速或降速不够时对车辆进行及时的断电处理，有效预防闯红灯行为，降低十字路口交警或协管的人力损耗，还能对意图闯红灯的用户进行记录，记录的名单和相关资料还可供交管部门参考和使用，进一步提升车辆的管理效率。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1a显示为现有技术中车辆闯红灯的场景示意图。

图1b显示为本发明一实施例中预防车辆闯红灯的场景示意图。

图2显示为本发明一实施例中基于机器视觉的预防车辆闯红灯的系统的结构示意图。

图3显示为本发明一实施例中基于机器视觉的预防车辆闯红灯的方法的流程示意图。

图4显示为本发明一实施例中基于机器视觉的预防车辆闯红灯的方法的流程示意图。

图5显示为本发明一实施例中图像处理装置的结构示意图。

图6显示为本发明一实施例中降速判断装置的结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

目前的共享车辆出现不遵守交通规则的情况越来越多，由于缺乏技术手段来辅助车辆监管，导致很多很多因闯红灯而引发的事故。举例来说，如图1a所展示的现有技术中的车辆闯红灯的场景示意图，车辆11在十字路口处，对面的交通指示灯12正显示为红灯，车辆11若不注意降速停车就会闯红灯，由于缺乏使车辆11强行停车的技术手段，所以经常导致事故的发生。

有鉴于此，本发明提供了一种能够有效预防车辆闯红灯的技术方案，如图1b所示，车辆11在十字路口处，对面的交通指示灯12正显示为红灯，与现有技术不同的是，本发明中的车辆11上设有前置摄像头、图像处理装置、车速检测装置、降速判断装置和断电保护装置(未图示)。需说明的是，本发明涉及的车辆包括但不限于助力车、电瓶车、平衡车、电动汽车甚或移动机器人等等。

具体来说，前置摄像头的采集视角朝向车辆11的前方(如图中的虚线所示)，用于采集车辆11前方路况的实时图像；图像处理装置接收前置摄像头拍摄的实时图像，并分析前方是否有交通指示灯以及指示灯状态(例如为红灯状态、黄灯状态或者绿灯状态等)；车速检测装置用于检测车辆11的当前车速；降速判断装置用于在前方路况中出现红灯时，判断车辆11的降速情况，若判断车辆11并未降速或者降速程度不够，则控制断电保护装置切断车辆11的电源，进行强制断电处理。

由此可知，本发明借助技术手段提前预判车辆的闯红灯行为，在车辆遇到红灯不降速或降速不够时对车辆进行及时的断电处理，有效预防闯红灯行为，降低十字路口交警或协管的人力损耗。不仅如此，对于共享车辆而言，由于使用共享车辆的用户都是注册用户，绑定有用户身份信息，借此可对意图闯红灯的用户进行记录，记录的名单和相关资料还可供交管部门参考和使用，进一步提升车辆的管理效率。

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。

实施例一：

如图2所示，展示了本发明一实施例中的基于机器视觉的预防车辆闯红灯的系统的结构示意图。本实施例的预防车辆闯红灯的系统20设于车辆上，具体包括图像采集装置21、图像处理装置22、车速检测装置23、降速判断装置24和断电保护装置25。

图像采集装置21的采集视角朝向车辆的前方，用于采集车辆前方路况的实时图像。本实施例涉及的图像采集装置21可采用摄像模组，所述摄像模组包括摄像装置、存储装置和处理装置；其中的摄像装置包括但不限于：照相机、视频摄像机、集成有光学系统或ccd芯片的摄像模块、集成有光学系统和cmos芯片的摄像模块等，本实施例不作限定。

图像处理装置22与图像采集装置21连接，用于从图像采集装置21接收前方路况的实时图像并从中提取交通指示灯信息；本实施例的交通指示灯信息包括前方路况中是否有交通指示灯以指示灯状态；所述指示灯状态是指交通指示灯为红灯状态、黄灯状态或者绿灯状态。

在本实施例可选的实现方式中，图像处理装置22可以是嵌入式设备，以嵌入式的方式集成于车辆上，嵌入式设备中主要运行目标检测算法和神经网络图像分类算法，利用目标检测模型检测所述实时图像中是否有交通指示灯，并利用图像分类模型对所述实时图像中交通指示灯的状态进行分类。

可选的，所述嵌入式设备例如为arm(advancedriscmachines)控制器、fpga(fieldprogrammablegatearray)控制器、soc(systemonchip)控制器、dsp(digitalsignalprocessing)控制器、或者mcu(micorcontrollerunit)控制器等。

可选的，所述目标检测模型例如为基于候选区域的目标检测模型(如r-cnn模型、fastr-cnn模型、fpn模型等)、单次目标检测模型(如ssd模型、yolo模型等)等。应理解的是，目标检测模型是指基于目标几何和统计特征的图像分割，将目标的分割和识别合二为一，定位目标，再确定目标位置及大小的一种人工智能模型。举例来说，利用目标检测模型来检测实时图像中是否有交通指示灯的过程可包括如下各步骤。

步骤1)收集一些交通指示灯样本并对这些样本进行特征标记，标记后的部分样本存入训练集，剩余的样本存入测试集。交通指示灯的特征之一是图像中的版面多为黑色(即颜色较深，灰度值较低)，另一特征是大多数交通指示灯的外形是固定的，分为横向设置和纵向设置的两种交通指示灯。根据这些特征对交通指示灯样本进行标记，作为模型的训练集。

步骤2)利用训练集来训练目标检测模型，并利用测试集来测试目标检测模型，直至模型的检测精准度符合预设要求。

步骤3)将采集到的实时图像输入训练后的目标检测模型，模型输出所述实时图像中是否有交通指示灯的判断结果；若实时图像中捕捉到的待确定目标与样本的相似度高于一定的阈值，则认为该实时图像中存在交通指示灯。

可选的，所述图像分类模型例如为卷积神经网络图像分类模型、随机森林分类模型、adboost分类模型、svm分类模型等。应理解的是，图像分类模型是一种用于判断图像中物体类别的模型，其通过找到合适的特征，然后通过这些特征利用合适的分类算法即可对图像进行分类。常用的特征有基于颜色特征、灰度直方图的特征、基于形态学的特征、基于纹理的特征、lbp特征、sift特征等。

具体而言，由于各种颜色都是由不同比例的三原色混合而成的，因此可根据实时图像中各个交通指示灯所在位置像素的r、g、b分量来判断交通指示灯的颜色。举例来说，可从上至下、自左向右判别图像中每块子区域中像素的颜色，比较各像素的颜色分量，若像素中r的分量大于g和b分量的总和(r>g+b)，则可确认该子区域中像素为红色，红色总像素加1；若像素中g的分量大于r和b分量的总和(g>r+b)，则可确认该子区域中像素绿色，绿色总像素加1；若像素中r和g的分量大致相等且大于预设阈值，则可确认该子区域像素为黄色，黄色总像素加1。然后计算各色像素与图像总像素的比值，通常比值最大者作为该交通指示灯的当前状态。

应理解的是，出于说明性目的而提供以上示例，并且以上示例不应被理解成是限制性的。同样的，目标检测模型和图像分类模型的训练、测试和使用过程可以另外地或替代地包括其它特征或包括较少的特征，而未背离本申请的范围。

车速检测装置23用于检测车辆的当前车速，是一种用来测量转速并配合pwm技术可以实现快速调速的装置。车速检测装置23可以是旋转编码器，具体例如增量式编码器、绝对值编码器、光电式编码器、磁式编码器、电容式编码器等，本实施例不作限定。

降速判断装置24分别和图像处理装置22和车速检测装置23通信连接。降速判断装置24可以是以嵌入式的方式集成于车辆上的嵌入式设备，例如arm(advancedriscmachines)控制器、fpga(fieldprogrammablegatearray)控制器、soc(systemonchip)控制器、dsp(digitalsignalprocessing)控制器、或者mcu(micorcontrollerunit)控制器等，本实施例不作限定。

在本实施例中，降速判断装置24从图像处理装置22接收交通指示灯信息(包括车辆前方路况是否有交通指示灯以及指示灯状态信息)，从车速检测装置23接收车辆的当前车速信息。所述降速判断装置24在指示灯状态为红灯状态时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时通过所述断电保护装置25切断车辆的电源。

可选的，所述降速要求包括车辆的当前车速递减且根据当前车速递减的状态预测其能够在预设时段内降速至预设阈值。换言之，在当前指示灯为红灯状态时，若降速判断装置24判断车辆的当前车速没有降速，或者虽然降速了但速度下降的程度不够，所以切断车辆的电源。

降速判断装置24判断车辆是否在降速的过程包括：降速判断装置24可以记录在一时段内的一组连续的车速数组，通过判断所述车速数组是否为降序排列来判断车辆的当前车速是否递减。举例来说，设定一组连续数组[a1,a2,a3..]用于记录n秒内的车速，利用数据拟合算法(如最小二乘法)对这个个连续数组的变化趋势进行分析，若函数中判断a1>a2>a3>...为真，则表示速度在递减，车辆在减速；否则表示速度不在递减，车辆未减速。

降速判断装置24判断车辆减速是否足够的过程包括：降速判断装置24利用数据拟合算法对连续数组中的数据进行拟合，根据拟合曲线能够预测在未来m秒后的车速。未来m秒后的车速能够达到预设阈值(例如车速0km/h)，则表示车辆减速足够，否则表示车辆减速不够，需要对其进行断电处理。

断电保护装置25和降速判断装置24通信连接，主要包括一个信号发射器，用于在接收到来自降速判断装置24的控制指令后，向车辆自带的电池控制单元26发送断电信号，由此来对车辆进行强行断电。

由上述内容可知，本实施例提供的基于机器视觉的预防车辆闯红灯的系统，能够提前预判车辆的闯红灯行为，在车辆遇到红灯不降速或降速不够时对车辆进行及时的断电处理，有效预防闯红灯行为，降低十字路口交警或协管的人力损耗，还能对意图闯红灯的用户进行记录，记录的名单和相关资料还可供交管部门参考和使用，进一步提升车辆的管理效率。

实施例二：

如图3所示，展示了本发明一实施例中基于机器视觉的预防车辆闯红灯的方法的流程示意图。需说明的是，本实施例的方法应用于图像处理装置；所述图像处理装置可以嵌入于车辆上的嵌入式设备，如arm(advancedriscmachines)控制器、fpga(fieldprogrammablegatearray)控制器、soc(systemonchip)控制器、dsp(digitalsignalprocessing)控制器、或者mcu(micorcontrollerunit)控制器等。

在步骤s31中，接收车辆前方路况的实时图像。

在步骤s32中，利用目标检测模型检测所述实时图像中是否有交通指示灯。

可选的，所述目标检测模型例如为基于候选区域的目标检测模型(如r-cnn模型、fastr-cnn模型、fpn模型等)、单次目标检测模型(如ssd模型、yolo模型等)等。应理解的是，目标检测模型是指基于目标几何和统计特征的图像分割，将目标的分割和识别合二为一，定位目标，再确定目标位置及大小的一种人工智能模型。举例来说，利用目标检测模型来检测实时图像中是否有交通指示灯的过程可包括如下各步骤。

步骤1)收集一些交通指示灯样本并对这些样本进行特征标记，标记后的部分样本存入训练集，剩余的样本存入测试集。交通指示灯的特征之一是图像中的版面多为黑色(即颜色较深，灰度值较低)，另一特征是大多数交通指示灯的外形是固定的，分为横向设置和纵向设置的两种交通指示灯。根据这些特征对交通指示灯样本进行标记，作为模型的训练集。

步骤2)利用训练集来训练目标检测模型，并利用测试集来测试目标检测模型，直至模型的检测精准度符合预设要求。

步骤3)将采集到的实时图像输入训练后的目标检测模型，模型输出所述实时图像中是否有交通指示灯的判断结果；若实时图像中捕捉到的待确定目标与样本的相似度高于一定的阈值，则认为该实时图像中存在交通指示灯。

应理解的是，出于说明性目的而提供以上示例，并且以上示例不应被理解成是限制性的。同样的，图像检测模型的训练、测试和使用过程可以另外地或替代地包括其它特征或包括较少的特征，而未背离本申请的范围。

在步骤s33中，利用图像分类模型对所述实时图像中交通指示灯的状态进行分类。

可选的，所述图像分类模型例如为卷积神经网络图像分类模型、随机森林分类模型、adboost分类模型、svm分类模型等。应理解的是，图像分类模型是一种用于判断图像中物体类别的模型，其通过找到合适的特征，然后通过这些特征利用合适的分类算法即可对图像进行分类。常用的特征有基于颜色特征、灰度直方图的特征、基于形态学的特征、基于纹理的特征、lbp特征、sift特征等。

具体而言，由于各种颜色都是由不同比例的三原色混合而成的，因此可根据实时图像中各个交通指示灯所在位置像素的r、g、b分量来判断交通指示灯的颜色。举例来说，可从上至下、自左向右判别图像中每块子区域中像素的颜色，比较各像素的颜色分量，若像素中r的分量大于g和b分量的总和(r>g+b)，则可确认该子区域中像素为红色，红色总像素加1；若像素中g的分量大于r和b分量的总和(g>r+b)，则可确认该子区域中像素绿色，绿色总像素加1；若像素中r和g的分量大致相等且大于预设阈值，则可确认该子区域像素为黄色，黄色总像素加1。然后计算各色像素与图像总像素的比值，通常比值最大者作为该交通指示灯的当前状态。

应理解的是，出于说明性目的而提供以上示例，并且以上示例不应被理解成是限制性的。同样的，图像分类模型的训练、测试和使用过程可以另外地或替代地包括其它特征或包括较少的特征，而未背离本申请的范围。

在步骤s34中，将所述实时图像中的交通指示灯的状态信息向外发送，以供在交通指示灯为红灯时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时切断车辆的电源。

可选的，所述降速要求包括车辆的当前车速递减且根据当前车速递减的状态预测其能够在预设时段内降速至预设阈值。也即，若判断车辆未减速或者减速不够，需切断车辆的电源。

需说明的是，本实施例中应用于图像处理装置的所述基于机器视觉的预防车辆闯红灯的方法，其实施方式与实施例一中提供的于机器视觉的预防车辆闯红灯的系统类似，故而不再赘述。

实施例三：

如图4所示，展示了本发明一实施例中基于机器视觉的预防车辆闯红灯的方法的流程示意图。需说明的是，本实施例的方法应用于降速判断装置；所述降速判断装置可以是以嵌入式的方式集成于车辆上的嵌入式设备，例如arm(advancedriscmachines)控制器、fpga(fieldprogrammablegatearray)控制器、soc(systemonchip)控制器、dsp(digitalsignalprocessing)控制器、或者mcu(micorcontrollerunit)控制器等，本实施例不作限定。

在步骤s41中，接收交通指示灯信息和车辆的当前车速信息。

在步骤s42中，根据所述交通指示灯信息确定当前指示灯是否为红灯。

在步骤s43中，若指示灯不为红灯，则返回步骤s42。

在步骤s44中，若指示灯为红灯，则根据所述车辆的当前车速信息判断车辆是否满足降速要求。

可选的，所述降速要求包括车辆的当前车速递减且根据当前车速递减的状态预测其能够在预设时段内降速至预设阈值。

具体的，判断车辆是否在降速的过程包括：可以记录在一时段内的一组连续的车速数组，通过判断所述车速数组是否为降序排列来判断车辆的当前车速是否递减。举例来说，设定一组连续数组[a1,a2,a3..]用于记录n秒内的车速，利用数据拟合算法(如最小二乘法)对这个个连续数组的变化趋势进行分析，若函数中判断a1>a2>a3>...为真，则表示速度在递减，车辆在加速；否则表示速度不在递减，车辆未减速。

判断车辆减速是否足够的过程包括：利用数据拟合算法对连续数组中的数据进行拟合，根据拟合曲线能够预测在未来m秒后的车速。未来m秒后的车速能够达到预设阈值(例如车速0km/h)，则表示车辆减速足够，否则表示车辆减速不够，需要对其进行断电处理。

在步骤s45中，若不满足降速要求，则发出切断车辆电源的控制指令。

在步骤s46中，若满足降速要求，则结束。

需说明的是，本实施例中应用于降速判断装置的所述基于机器视觉的预防车辆闯红灯的方法，其实施方式与实施例一中提供的于机器视觉的预防车辆闯红灯的系统类似，故而不再赘述。

实施例四：

如图5所示，展示了本发明一实施例中的图像处理装置的结构示意图。本实施例的图像处理装置50包括第一接收模块51、目标检测模块52、图像分类模块53和第一发送模块54。

第一接收模块51用于接收车辆前方路况的实时图像；目标检测模块52用于利用目标检测模型检测实时图像中是否有交通指示灯；图像分类模块53用于利用图像分类模型对所述实时图像中交通指示灯的状态进行分类；第一发送模块54用于将所述实时图像中的交通指示灯的状态信息向外发送，以供在交通指示灯为红灯时，根据车辆的当前车速信息判断车辆是否满足降速要求，并在判断为不满足降速要求时切断车辆的电源。

应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，目标检测模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上目标检测模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，简称asic)，或，一个或多个微处理器(digitalsignalprocessor，简称dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。

需说明的是，本实施例中的图像处理装置，其实施方式与实施例一中提供的于机器视觉的预防车辆闯红灯的系统类似，故而不再赘述。

实施例五：

如图6所示，展示了本发明一实施例中降速判断装置的结构示意图。本实施例的降速判断装置60包括第二接收模块61、判断模块62和第二发送模块63。

第二接收模块61用于接收交通指示灯信息和车辆的当前车速信息；判断模块62用于在根据所述交通指示灯信息确定当前指示灯为红灯时，根据所述车辆的当前车速信息判断车辆是否满足降速要求；第二发送模块63用于在所述判断模块判断车辆不满足降速要求时，发出切断车辆电源的控制指令。

应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，判断模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上判断模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，简称asic)，或，一个或多个微处理器(digitalsignalprocessor，简称dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。

需说明的是，本实施例中的降速判断装置，其实施方式与实施例一中提供的于机器视觉的预防车辆闯红灯的系统类似，故而不再赘述。

实施例六：

本实施例提供一种车辆，包括实施例一提供的所述基于机器视觉的预防车辆闯红灯的系统，具体包括图像采集装置、图像处理装置、车速检测装置、断电保护装置和降速判断装置。因本实施例提供的车辆，实施方式与实施例一提供的所述基于机器视觉的预防车辆闯红灯的系统类似，故而不再赘述。

实施例七：

本实施例提供一种计算机可读存储介质，其上存储有第一计算机程序和/或第二计算机程序；所述第一计算机程序被处理器执行时实现应用于图像处理装置的所述基于机器视觉的预防车辆闯红灯的方法；所述第二计算机程序被处理器执行时实现应用于降速判断装置的所述基于机器视觉的预防车辆闯红灯的方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

综上所述，本发明提供基于机器视觉的预防车辆闯红灯的系统、方法、装置和介质，本发明能够提前预判车辆的闯红灯行为，在车辆遇到红灯不降速或降速不够时对车辆进行及时的断电处理，有效预防闯红灯行为，降低十字路口交警或协管的人力损耗，还能对意图闯红灯的用户进行记录，记录的名单和相关资料还可供交管部门参考和使用，进一步提升车辆的管理效率。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。