一种车载安全预警装置的制作方法

本发明涉及车载技术领域，具体涉及一种车载安全预警装置。

背景技术

根据公安部门统计，近年来，我国每年死于道路交通事故的人数平均在10万以上，伤残达50万。在2008年，12岁以下儿童交通死亡人数占交通事故死亡总人数的5％，其中车内死亡人数占所有儿童交通事故死亡人数的16％。目前使用的车辆均缺少一种路况识别安全报警装置，因此，在关键时刻不能及时提醒驾驶人员采取措施，以避免意外情况的发生或者减少意外事故所造成的损失。

技术实现要素：

针对上述问题，本发明提供一种车载安全预警装置。

本发明的目的采用以下技术方案来实现：

一种车载安全预警装置，该装置包括图像采集模块、图像处理模块、安全特征识别模块、安全警告模块和gsm提醒模块。

所述图像采集模块，用于实时采集路况图像，并将采集的路况图像传输至所述图像处理模块；所述图像处理模块，用于对采集的路况图像进行处理，得到车辆实时行驶环境图像数据信息；所述安全特征识别模块，用于通过对车辆实时行驶环境图像数据信息与预存的安全车载环境图像数据信息进行对比，来识别车辆行驶的安全系数，如若安全系数超标，对比误差大于设定的阈值，则启动所述安全警告模块发出警告信息，警告驾驶员注意行车安全，方便驾驶员及时进行调整，同时启动所述gsm提醒模块向中央检测中心发出警报，并将安全系数超标的图像数据信息及时存储保存；所述安全警告模块，用于从所述安全特征识别模块接收信息并发出警告信息；所述gsm提醒模块，用于及时将车载内的不安全因素发送至中央检测中心，实现车载的安全由车内车外共同监督。

本发明的有益效果为：通过图像识别技术提高车载的安全性能，对遏止超载、超速、交通违章、约束驾驶人员的不良驾驶行为、交通路查以及道路交通事故的分析鉴定具有重要的作用。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构图；

图2是图像处理模块的框架结构图。

附图标记：图像采集模块1；图像处理模块2；安全特征识别模块3；安全警告模块4；gsm提醒模块5；数据库6；图像去噪单元7；图像增强单元8。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，一种车载安全预警装置，该装置包括图像采集模块1、图像处理模块2、安全特征识别模块3、安全警告模块4和gsm提醒模块5。

所述图像采集模块1，用于实时采集路况图像，并将采集的路况图像传输至所述图像处理模块2；

所述图像处理模块2，用于对采集的路况图像进行处理，得到车辆实时行驶环境图像数据信息；

所述安全特征识别模块3，用于通过对车辆实时行驶环境图像数据信息与预存的安全车载环境图像数据信息进行对比，来识别车辆行驶的安全系数，如若安全系数超标，对比误差大于设定的阈值，则启动所述安全警告模块4发出警告信息，同时启动所述gsm提醒模块5向中央检测中心发出警报，并将安全系数超标的图像数据信息及时存储保存；

所述安全警告模块4，用于从所述安全特征识别模块3接收信息并发出警告信息；

所述gsm提醒模块5，用于及时将车载内的不安全因素发送至中央检测中心，实现车载的安全由车内车外共同监督。中央检测中心根据接收的车载内的不安全因素和安全警告模块4的警告信息，实现车内车外的共同监督。

优选地，所述图像采集模块1为图像传感器。

优选地，该装置还包括数据库6，所述数据库6用于存储安全车载环境图像数据信息。

优选地，所述数据库6还用于存储安全系数超标的图像数据信息。

优选地，参见图2，所述图像处理模块2包括图像去噪单元7和图像增强单元8。

所述图像去噪单元7，用于去除所述路况图像中的随机噪声；所述图像增强单元8，用于对去噪后的路况图像进行增强处理。

优选地，所述去除所述路况图像中的随机噪声，具体为：

(1)利用小波变换对所述路况图像进行j层小波分解，得到一组小波系数z＝{z1,z2…zm},m为小波系数个数；

(2)对小波系数z使用阈值进行处理，其中，阈值处理函数为：

式中，z是去噪前的小波系数，z′是去噪后的小波系数，λ1是阈值上限值，λ2是阈值下限值，且λ1、λ2满足λ1＝αλ2，0＜α＜1；m为调节因子，且m＞1，sgn(f)为符号函数，当f为正数时，取1，为负数时，取0；

(3)利用小波逆变换对z′进行重构，得到去噪后的路况。

有益效果：利用阈值处理函数处理含有噪声的路况图像，可以有效的对含有噪声的路况图像进行过滤；根据λ1、λ2和小波系数z的绝对值差，选择不同的阈值函数处理小波系数，能够自适应地去除路况图像的噪声，保留路况图像的有效信息；实际采集到的图像中含有多种噪声，而通过调整调节因子m的大小，可调节阈值处理函数的波形，使得能够最大限度地去除路况图像中的噪声。

优选地，上述实施方式中，第j层的小波系数的阈值下限值可利用下式计算得到：

式中，λ2,j是第j层小波系数的阈值下限值，j为小波变换的分解层数，且j＝1,2,…,j,…,j，σm为m个小波系数的估计方差，m为小波系数个数，σj为第j层小波系数的估计方差，dj为第j层小波系数的个数，σr,j为无噪声信号r在第j层的估计方差，k1、k2、k3为权重因子，且满足k1+k2+k3＝1。

有益效果：利用上述算法分别计算不同分解层的阈值下限值，进而将得到各个分解层的阈值下限值代入阈值处理函数中，完成对路况图像的去噪处理，该过程实现了对阈值下限值和阈值上限值的自适应调节，能够根据小波变换各个分解层的实际情况选用不同的阈值下限值和阈值下限值完成对路况图像的去噪过程，避免了设定固定阈值带来的噪声小波系数被保留下来，而使得去噪后的图像中依然存在大量噪声，同时也避免了将有用的小波系数当成噪声信息，而使得去噪后的目标太过平滑，损失了细节信息，提高了去噪的准确度，有利于后续对车载安全系数的准确判断。

优选地，所述对去噪后的路况图像进行增强处理，具体是：

(1)利用公式将去噪后的路况图像进行反转，其中，为去噪后的路况图像的反转图像，为去噪后的路况图像，c为图像rgb颜色模型中任意一个颜色通道；

(2)分别求取所述反转图像的全局大气光和透射率值，其中：

全局大气光的计算式为：

式中，k为权重系数，y(x)为反转图像中像素点x处的亮度图，分别为反转图像中像素点x处的r通道、g通道、b通道的值，a0为初始全局大气光；a^c为初始全局大气光在rgb三个通道构成的矩阵，c为r通道、g通道、b通道中的其中之一；

透射率值的计算式为：

式中，t(x)为透射率值，ω为自定义的调整参数，ω(x)是以像素点x为中心的邻域，y是像素点x邻域内的像素点，为反转图像中像素点y处的c通道的值；

(3)将求得的全局大气光和透射率代入下面的模型函数中，便可得到复原后的场景光图像，其中，所述的模型函数为：

式中，为场景光图像；

(4)利用公式将场景光图像进行反转，得到的即为增强后的路况图像。

有益效果：利用上述算法，经去噪后的路况图像进行反转，得到反转图像，进而对反转图像进行处理，得到场景光图像，该算法能够降低路况图像中由于光线、雾、尘埃等对采集路况图像清晰度的影响，能够凸显路况图像的边缘特征和细节特征，使得增强后的路况图像的视觉效果更加真实，也更能反映路况图像的色彩信息及其纹理信息，以便于后续对路况图像中待识别目标特征的提取和识别，且该算法简单，处理速度快，也延长了该系统的使用寿命。

优选地，透射率值t(x)可利用下式进行修正，得到修正后的透射率值，修正后的透射率值t′(x)的计算公式为：

有益效果：利用上式对得到的透射率值t(x)进行修正，透射率值t′(x)不仅可以有效增加待识别目标的细节信息并且也能保持透射率的空间连续性，使得复原后的场景图像具有更加平滑的视觉效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。