[发明专利]一种基于卷积神经网络的远光灯持续开启状态的判别方法

摘要

发明公开了一种基于卷积神经网络的远光灯持续开启状态的判别方法，通过设置合适的曝光参数，获得每帧图像中车辆灯光区域，之后按照时间顺序，获取车辆在行驶过程中的灯光轨迹图像，将灯光轨迹图像的卷积神经网络特征提取出来之后，对其按照时间序列进行分析从而判别远光灯是否持续开启；能够适应不同照明、不同路段环境下夜间行驶车辆远光灯持续开启状态的判别。

主权项

1.一种基于卷积神经网络的远光灯持续开启状态的判别方法，其特征在于，包括以下步骤：步骤一、获取能够明显辨别车灯形态的图像通过设置摄像机合适的曝光参数的技术手段，通过使用并排放置的双摄像头分别获取有识别能力的图像以及干扰较少的图像，并且在画面上设置上、下两条虚拟检测线，以保证在检测线区间内的车灯检测具有较高的稳定性；步骤二、左右图像中相同车灯进行映射将高曝光图和低曝光图中的车灯进行一一匹配；使用并排放置的双摄像头，且双摄像头与被拍摄车辆距离较远，可以看作近似位于同一位置，两摄像头拍摄到的帧画面中相同车辆位置误差极小，因此直接将从低曝光摄像头中得到的车灯位置映射到高曝光摄像头所拍摄的帧画面中，分别计算该车灯与高曝光图像中每个可能车灯的重叠面积，重叠面积最大的车灯即为同一车灯；步骤三、建立车灯的运动轨迹在车灯进入检测线后，使用本帧中车灯的位置与下一帧中所有车灯位置进行比较，认为欧式距离最近的代表同一盏车灯，并建立初始的车灯运动轨迹；在建立了初始的车灯运动轨迹之后，使用卡尔曼滤波算法预测该车灯下一帧可能存在的位置，并在下一帧该位置的邻域查找最近邻的车灯，将找到的车灯加入车灯运动轨迹，直到该车离开检测区域；至此，分别得到每一盏车灯在高曝光和低曝光摄像头下的车灯轨迹；步骤四、使用crnn对车灯轨迹图像判断是否持续开启远光灯经过大量观察发现高曝光情况下拍摄的车灯图像具有更强的可分性；实际得到的车灯轨迹序列中包含至少100幅帧图像，均匀采样得到n幅车灯图像进行判断，将得到的车灯图像进行拼接得到一张车灯时间序列；拼接后的图片大小为64×3200，使用RCNN网络进行识别；最后一个卷积层输出大小为512×1×n，表示n张车灯图像的卷积神经网络特征，每一个特征向量维数为512维；将这些特征进入两层LSTM用于进行时间序列的预测；使用最后一层LSTM的最后一个输出作为最终结果，用于表示该车灯是否持续开启远光灯；通过以上的步骤，当行驶车辆离开监视区域，便可判断其是否持续开启远光灯。