[发明专利]一种基于机器视觉的安全车距检测方法

说明书

本发明的基于机器视觉的安全车距检测方法，包括：a).建立训练素材库；b).对经步骤a)处理后的图片进行手工标注；c).获得车牌检测模型；d).根据摄像头成像过程中的相似三角形原理建立车距检测数学模型；e).获得车距检测模型；f).建立车辆实时相对车速与车距的分段函数算法；g).算法模型部署。本发明的基于机器视觉的安全车距检测方法，通过实时采集的含有前车车牌的图片来求取前车距离，通过采集的相邻两帧图片中车距的变化来求取相对车速，当相对车速与车距不匹配时，则发出警告信号，以避免驾驶员因长时间疲劳驾驶、分神所导致的交通事故的发生。

技术领域

本发明涉及一种安全车距检测方法，更具体的说，尤其涉及一种基于机器视觉的安全车距检测方法。

背景技术

在长途运输过程中，司机难免会出现分神甚至疲劳驾驶现象。而根据职业安全与健康的相关研究表明，人在疲劳状态下工作往往会出现积极性受损、注意力不集中、思维判断能力及身体活动能力的下降等问题，从而不能及时判断与前车的安全距离，错过最佳反应时间而撞上前方车辆导致车祸。根据德国原戴姆勒-奔驰汽车制造公司研究报告表明：在危险情况下，如果给驾驶员提前半秒的反应时间，则可以分别减少追尾事故的30％、路面相关信息事故的50％、迎面撞车事故的60％。为提高物流车辆驾驶员安全绩效，保证安全运营，因此本发明提出一种通过机器视觉技术自动检测车距的有效方法。运用安装在车辆上的摄像头，拍摄驾驶员视角的图像，将图像实时传送至图像处理器，在可能导致碰撞事故发生的危险行驶状态中对驾驶员发出警告信号，降低驾驶员长时间因疲劳驾驶、分神而导致的事故概率。

发明内容

本发明为了克服上述技术问题的缺点，提供了一种基于机器视觉的安全车距检测方法。

本发明的基于机器视觉的安全车距检测方法，其特征在于，通过以下步骤来实现：

a).建立训练素材库，利用安装于车辆上的预警装置，采集多种行驶场景下其前方货车和小型车辆的图片作为训练素材，所采集的图片要保证车辆的车牌是完全可见的，并将图片处理为统一的正方形；预警装置包括摄像头、电源和语音提示模块；

b).图片标注，对经步骤a)处理后的图片进行手工标注，标注内容为图片中车牌所在区域和车牌类型，得到多种行驶场景下车辆的各类车牌数据集；

c).获得车牌检测模型，建立基于深度学习卷积神经网络和多框目标检测CAFFE-SSD的车牌检测网络的训练模型，经步骤b)中的数据集划分为训练集、测试集和验证集，将训练集数据进行特征提取处理，按照建立的神经网络模型进行训练，获得用于车牌检测的目标检测模型；

d).建立车距检测模型，根据摄像头成像过程中的相似三角形原理建立车距检测数学模型，并将该算法加入训练好的车牌检测模型中；

设预警装置的摄像头距离车辆前端的距离为L，实际车距为d，摄像头的成像焦距为f，车牌的实际宽度为H，车牌在成像传感器上对应的像素宽度为h，根据摄像头成像过程中的相似三角形原理可得：

f/(d+L)＝h/H (1)

由公式(1)可得：

d＝f*H/h-L (2)

e).获得车距检测模型，以CAFFE-SSD为训练神经网络，并在训练中调整神经网络参数，使得网络在迭代过程中损失函数趋于收敛，最终形成车距检测的神经网络目标检测模型；

f).建立车辆实时相对车速与车距的分段函数算法，并加入车距检测模型算法中；

g).算法模型部署，将训练好的车距检测模型以及相对车速与车距的分段函算法进行部署并同步实时检测，当检测出司机因疲劳驾驶忽略安全车距时，语音提示模块自动报警，以避免交通事故的发生。