[发明专利]一种基于深度学习的车辆防碰撞预警方法及系统

摘要

本发明提供了一种基于深度学习的车辆防碰撞预警方法及系统，本方法通过使用改进后的YOLOv3算法对视频中的车辆进行识别检测，得到车辆在图像中的位置信息；车道线检测技术对视频图像中的车道线进行检测和追踪，得到稳定、准确的车道线；车速检测技术利用图像处理技术计算出当前车辆的行驶速度；根据车速、车道线检测结果和驾驶员的行为特性以及知觉反应特性，在本车前方绘制一块随车速实时变化的安全制动预警区域；碰撞事故预警技术根据车辆在图像中的位置信息，结合实时安全预警区域的计算结果，对公路上可能发生的碰撞事故进行预测。采用本发明可对驾驶员的行车决策提供帮助，保证驾驶员的行车安全并最大限度的降低碰撞的概率。

主权项

1.一种基于深度学习的车辆防碰撞预警方法，其特征在于，包括以下步骤：(1)对车载视频图像进行预处理，得到降噪后的图像；(2)进行车速检测，以车道线为参照物，对连续多张图像进行分析，获取当前车辆的行驶速度，将该速度和驾驶员的行为特性、知觉反应特性相结合，得到车辆以该速度行驶时的紧急制动距离；(3)进行车道线检测，以预处理后的图像为输入，运用边缘检测算法得到车道线的边缘，接着利用霍夫直线检测算法得到车道线点的集合，再接着利用集合中点的斜率分出左右车道线点的集合，之后分别将这两个点的集合拟合为最优的两条直线，实现车道线的检测，最后不断更新点的集合，实现车道线的追踪；(4)将图像中的像素距离和实际距离进行方程拟合，结合步骤(2)和步骤(3)的结果，在车辆前方绘制出根据车速变化的安全区域，并在图像上进行可视化展示；(5)在YOLOv3的基础上，优化神经网络结构模型，采集车辆数据，重新训练神经网络，使用优化后的YOLOv3算法，实现对车辆的实时识别和检测，得到车辆在图像中的位置，并将结果保存在车辆信息队列中；(6)遍历车辆信息队列，结合绘制的安全制动区，对可能发生的交通碰撞事件进行预测，通过人机交互界面，对驾驶员进行提示。