一种基于远近光灯照射原理的车灯开启状态判别方法技术

本发明专利技术提供一种基于远近光灯照射原理的车灯开启状态判别方法，包括如下步骤：1)获取车灯形态的图像；2)根据拍摄的图片中发光体在帧画面中呈现高光的特点，采用阈值方法，提取车灯区域；3)采用视频运动目标跟踪方法，对属于同一机动车的左右两侧灯进行匹配跟踪，获得车灯序列；4)将属于同一行驶机动车的车灯区域的视频帧序列长度归一化为相同长度，通过等间隔采样或给出置信度较高的同长度车灯视频帧序列；5)将上述步骤分别收集远/近光灯的车灯视频帧序列作为训练模型的正负样本；6)将步骤5得到的正负样本，寻找一个机器学习模型进行监督学习；7)用步骤6训练完成后的远近光灯识别分类器对机动车进行远光灯持续开启状态的识别。

【技术实现步骤摘要】
一种基于远近光灯照射原理的车灯开启状态判别方法
本专利技术涉及一种智能交通监控领域，特别是一种基于远近光灯照射原理的车灯开启状态判别方法。
技术介绍
随着交通事业的迅猛发展，交通安全已成为全球范围内普遍关注的重要问题。视频监控模式作为智能交通系统中交通安全状况分析、交通行政执法证据收集的重要手段，目前已经得到广泛应用。对于夜间行驶车辆，正确使用汽车灯光，是驾驶员安全行驶的基础。然而目前滥开远光灯的现象相当严重，在照明良好的城市街道上使用远光灯，会对迎面汽车司机造成炫目或“瞬间失明”，产生视觉错误，容易引发交通事故。《中华人民共和国道路交通安全法实施条例》第四十八条第(五)项规定：夜间会车应当在距相对方向来车150米以外改用近光灯，在窄路、窄桥与非机动车会车时应当使用近光灯。第五十八条规定：机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时，应当开启前照灯、示廓灯和后位灯，但同方向行驶的后车与前车近距离行驶时，不得使用远光灯。第五十九条规定：机动车在夜间通过急弯、坡路、拱桥、人行横道或者没有交通信号灯控制的路口时，应当交替使用远近光灯示意。因此，通过视频序列，自动的判断夜间行驶车辆远光灯是否持续开启是一种有效的方法。然而，由于夜间车辆行驶过程中，只通过单帧难以准确界定是否开启远光灯。
技术实现思路
本专利技术的目的就是为了解决
技术介绍
中提出的技术问题，提供一种基于远近光灯照射原理的车灯开启状态判别方法，即实现一种能够适应不同照明、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方法。为达到上述目的，本专利技术采用如下技术方案：一种基于远近光灯照射原理的车灯开启状态判别方法，其用于对若干夜间亮灯行驶于道路的机动车进行车灯开启状态判别，包括如下步骤：1)获取能够明显辨别车灯形态的图像；通过设置道路双摄像机的曝光参数、光源补光、高光抑制、红外成像、偏振滤波，通过使用双摄像头分别获取有识别能力的图像以及干扰少的图片；2)根据拍摄的图片中发光体在帧画面中呈现高光的特点，采用阈值方法，提取车灯区域；3)采用视频运动目标跟踪方法，对属于同一机动车的左右两侧灯进行匹配跟踪，获得车灯序列；4)将属于同一行驶机动车的车灯区域的视频帧序列长度归一化为相同长度，通过等间隔采样或给出置信度较高的同长度车灯视频帧序列；5)事先按照步骤1至步骤4，收集集远光灯的车灯视频帧序列，以及近光灯的视频帧序列，作为训练模型的正负样本，正负样本的数量保持均衡，即建议正负样本数量基本相同；因为远光灯和近光灯的照射原理不同，存在亮暗分界线，因此远光灯的视频帧序列的特性与近光灯的视频帧序列的特性存在差异，为此，构造的正负样本能够保证下面步骤训练模型的收敛；6)将步骤5得到的正负样本，寻找一个机器学习模型，或者深度学习网络模型，对其进行监督学习；7)用步骤6训练完成后的远近光灯识别分类器对行驶于道路上的机动车进行远光灯持续开启状态的识别。对于本专利技术的一种优化，所述双摄像头设置于道路上方，且其拍摄方向斜向路面。本专利技术与
技术介绍
相比，其具有通过设置双摄像头合适的曝光参数、光源补光、高光抑制、红外成像、偏振滤波等技术手段，抑制灯光区域的高光，获取车辆在行驶过程中的灯光视频帧序列特征，训练包括深度学习网络、机器学习在内的，基于监督学习的分类模型，采用训练完成的分类模型，来判别远光灯是否持续开启。附图说明图1是基于远光灯照射原理的车灯开启状态判别示意图。图2是基于近光灯照射原理的车灯开启状态判别示意图。具体实施方式实施例1：参照图1和2。一种基于远近光灯照射原理的车灯开启状态判别方法，其用于对若干夜间亮灯行驶于道路的机动车进行车灯开启状态判别，包括如下步骤：1)获取能够明显辨别车灯形态的图像；通过设置道路双摄像机的曝光参数、光源补光、高光抑制、红外成像、偏振滤波，通过使用双摄像头分别获取有识别能力的图像以及干扰少的图片；2)根据拍摄的图片中发光体在帧画面中呈现高光的特点，采用阈值方法，提取车灯区域；3)采用视频运动目标跟踪方法，对属于同一机动车的左右两侧灯进行匹配跟踪，获得车灯序列；4)将属于同一行驶机动车的车灯区域的视频帧序列长度归一化为相同长度，通过等间隔采样或给出置信度较高的同长度车灯视频帧序列；5)事先按照步骤1至步骤4，收集集远光灯的车灯视频帧序列，以及近光灯的视频帧序列，作为训练模型的正负样本，正负样本的数量保持均衡，即建议正负样本数量基本相同；因为远光灯和近光灯的照射原理不同，存在亮暗分界线，因此远光灯的视频帧序列的特性与近光灯的视频帧序列的特性存在差异，为此，构造的正负样本能够保证下面步骤训练模型的收敛；6)将步骤5得到的正负样本，寻找一个机器学习模型，或者深度学习网络模型，对其进行监督学习；7)用步骤6训练完成后的远近光灯识别分类器对行驶于道路上的机动车进行远光灯持续开启状态的识别。通过上述步骤，实现一种能够适应不同照明、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方法，通过设置合适的曝光参数、光源补光、高光抑制、红外成像、偏振滤波等技术手段，抑制灯光区域的高光溢出，获取车辆在行驶过程中的灯光轨迹图像，输入由训练样本训练获得的包括深度学习的卷积网络，以及任何机器学习方法构成的远近光灯识别分类器，获得判别远光灯是否持续开启的方法。所述双摄像头设置于道路上方，且其拍摄方向斜向路面。双摄像头通过龙门架架置于车辆行驶方向的道路上方。需要理解到的是：本实施例虽然对本专利技术作了比较详细的说明，但是这些说明，只是对本专利技术的简单说明，而不是对本专利技术的限制，任何不超出本专利技术实质精神内的专利技术创造，均落入本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于远近光灯照射原理的车灯开启状态判别方法，其用于对若干夜间亮灯行驶于道路的机动车进行车灯开启状态判别，其特征在于包括如下步骤：1)获取能够明显辨别车灯形态的图像；通过设置道路双摄像机的曝光参数、光源补光、高光抑制、红外成像、偏振滤波，通过使用双摄像头分别获取有识别能力的图像以及干扰少的图片；2)根据拍摄的图片中发光体在帧画面中呈现高光的特点，采用阈值方法，提取车灯区域；3)采用视频运动目标跟踪方法，对属于同一机动车的左右两侧灯进行匹配跟踪，获得车灯序列；4)将属于同一行驶机动车的车灯区域的视频帧序列长度归一化为相同长度，通过等间隔采样或给出置信度较高的同长度车灯视频帧序列；5)事先按照步骤1至步骤4，收集集远光灯的车灯视频帧序列，以及近光灯的视频帧序列，作为训练模型的正负样本，正负样本的数量保持均衡，即建议正负样本数量基本相同；6)将步骤5得到的正负样本，寻找一个机器学习模型，或者深度学习网络模型，对其进行监督学习；7)用步骤6训练完成后的远近光灯识别分类器对行驶于道路上的机动车进行远光灯持续开启状态的识别。

【技术特征摘要】
1.一种基于远近光灯照射原理的车灯开启状态判别方法，其用于对若干夜间亮灯行驶于道路的机动车进行车灯开启状态判别，其特征在于包括如下步骤：1)获取能够明显辨别车灯形态的图像；通过设置道路双摄像机的曝光参数、光源补光、高光抑制、红外成像、偏振滤波，通过使用双摄像头分别获取有识别能力的图像以及干扰少的图片；2)根据拍摄的图片中发光体在帧画面中呈现高光的特点，采用阈值方法，提取车灯区域；3)采用视频运动目标跟踪方法，对属于同一机动车的左右两侧灯进行匹配跟踪，获得车灯序列；4)将属于同一行驶机动车的车灯区域的视频帧序列长度归一化为相...

【专利技术属性】
技术研发人员：朱虹，王栋，杜森，黄玉岩，薛杉，潘顺真，
申请(专利权)人：浙江安谐智能科技有限公司，
类型：发明
国别省市：浙江,33