车辆道路前车违规检测和自车违规预警提醒装置及方法制造方法及图纸

本发明专利技术公开了一种车辆道路前车违规检测和自车违规预警提醒装置及方法，包括：视频读入模块，用于获取道路的视频图像；道路检测识别模块，用于检测车辆行驶时的车道线，识别车道线为实线或虚线；前车违规检测单元，用于判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；自车违规预警单元，用于预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。本发明专利技术成本低，有利于规范驾驶习惯，有利于降低交通事故率，有极大社会价值。

Vehicle road front vehicle violation detection and self warning warning device and method

The invention discloses a road vehicle vehicle violation detection and vehicle violation warning device and method, including: video input module, video image acquisition for road recognition; road detection module for lane detection, vehicle recognition, lane as solid lines or dashes; front vehicle violation detection unit. To change the car in front of the judge, with the lane category and turn light information to determine whether the vehicle illegal lane change, occurrence of illegal lane change in the front car, send the alarm information to the driver, and extract the illegal vehicle car license information; vehicle violation warning unit, used to predict whether the car will take place from illegal lane change will happen, in the illegal lane change, send the alarm information to the driver. The invention has low cost, is favorable for standardizing driving habits, is favorable for reducing traffic accident rate and has great social value.

【技术实现步骤摘要】

本专利技术涉及智能交通
，尤其涉及一种车辆道路前车违规检测和自车违规预警提醒装置及方法。
技术介绍
随着中国经济飞速增长，人民物质生活水平得到极大提高。使得汽车已经成为人们生活中必不可少的一种代步工具。人们对汽车的依赖直接导致了汽车保有量的不断攀升。汽车保有量的攀升使得交通拥挤加剧，交通事故频发，人们生命财产安全受到极大威胁。其中车辆违法变道是一种最常见的交通违规行为，据不完全统计，每年发生的交通事故中，超过半数的交通事故都是和违法变道有关，可见违法变道的危害之大，不容忽视。因此检测车辆变道是否合法对于减少交通事故的发生意义十分重大。传统的交通事件检测的方法一般是需要在道路下方物理埋设大量的环形线圈感应器和这在道路两旁安装大量的超声波检测器，对于这两种方法需要破坏道路，提高了道路的修建成本，而且都存在使用寿命，工作环境和人为损坏等问题。传统的检测技术最重要的缺点是在于没有安装检测设备的路段不能实现移动实时检测，因此检测地方比较特定。其次，未能对自车即将发生违规变道时，给予适当的警报提醒。再次，对于多辆汽车发生变道时，不能实现实时检测。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中难以实现移动状态下的违章变道检测和预警的缺陷，提供一种车辆道路前车违规检测和自车违规预警提醒装置及方法。本专利技术解决其技术问题所采用的技术方案是：本专利技术提供一种车辆道路前车违规检测和自车违规预警提醒装置，包括视频读入模块、道路检测识别模块、前车违规检测单元和自车违规预警单元，其中：视频读入模块，用于获取道路的视频图像；道路检测识别模块，用于检测车辆行驶时的车道线，识别车道线为实线或虚线，并识别车道线的类别，包括行车道、应急道、公交车道和专用车道；前车违规检测单元，用于检测视频图像中前车的运动状态及其转向灯信息，对前车进行特征点跟踪，生成其运动轨迹，计算运动轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；自车违规预警单元，用于检测自车的车道位置和转向灯信息，根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。进一步地，本专利技术的前车违规检测单元包括：前车检测识别模块，用于检测视频图像中前方的运动车辆；跟踪模块，用于通过卡尔曼滤波跟踪算法对前车进行跟踪，并检测和标记前车的转向灯信息；判别模块，用于对前车进行特征点跟踪，记录前车位置信息，通过位置信息生成运动轨迹，计算轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，再结合车道线种类以及前车转向灯打开关闭状态进而判别是否发生违规变道；根据自车与两侧车道线相对位置和转向灯打开关闭情况，预测判别是否将要发生违规变道；根据神经网络算法识别出前车的车型，根据识别出的前车车型和相应行驶的车道种类判别，判断前车是否违规变道；信息保存传输模块，用于在前车发生违规变道时发出报警信息，并从视频图像中截取、保存该违规车辆的车牌信息，并保存违规变道时的视频图像，通过无线网络传输至服务器。进一步地，本专利技术的自车违规预警单元包括：高精度定位模块，用于结合卫星定位系统和地图API，检测自车的准确车道位置；判别模块，用于根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道；预警提醒模块，用于在自车将要发生违规变道时，向驾驶员发出报警信息。本专利技术提供一种车辆道路前车违规检测和自车违规预警提醒方法，包括以下步骤：S1、获取道路的视频图像；S2、检测车辆行驶时的车道线，识别车道线为实线或虚线，并识别车道线的类别，包括行车道、应急道、公交车道和专用车道；S3、前车违规检测：检测视频图像中前车的运动状态及其转向灯信息，对前车进行特征点跟踪，生成其运动轨迹，计算运动轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；S4、自车违规预警：检测自车的车道位置和转向灯信息，根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。进一步地，本专利技术的步骤S3中采用Adaboost算法对前车的运动状态进行检测，其方法为：步骤一、离线训练：在各种环境下采集大量的车辆样本和非车辆样本，通过对样本的学习，针对样本的类Haar特征，通过Adaboost训练算法形成弱分类器，根据权重把这些弱分类器组合成强分类器；步骤二、在线识别：根据离线训练得到的强分类器，对道路的视频图像进行实时检测与判断，从检测出前车开始，对该车进行标记，并建立该车位置信息与时间序列关系进行保存，得到当前图像中车辆所在的位置。进一步地，本专利技术的步骤S3中采用kalman滤波运动目标跟踪的方法对前车进行跟踪，其方法为：步骤一、运动目标特征提取：用矩形框将前车的目标区域进行框定，并提取区域的中心坐标及长宽特征；步骤二、kalman滤波器初始化：根据提取区域的中心坐标及长宽特征初始化kalman滤波器；步骤三、状态向量建模：根据提取的目标特征，建立状态向量模型；步骤四、kalman滤波器预测：根据建立的状态向量模型，用kalman滤波的时间更新方程预测下一帧图像中运动目标可能会出现的位置，预测如下：其中，和分别是k-1和k帧的状态向量，Ak,k-1是确定已知的矩阵；步骤五、运动目标匹配：基于预测的区域，搜索最佳匹配目标；步骤六、模型更新：用kalman滤波的测量更新方程进行模型更新。进一步地，本专利技术的步骤S2中识别车道线信息的方法为：对经过去噪处理的图像进行sobel算子边缘检测，然后通过hough变换检测得到道路车道线；其中，利用hough变换进行车道线检测时只检测与水平线具有一定的夹角范围内的直线；在原始彩色图中对车道线区域进行色彩提取，识别该车道线的颜色，记录各车道线颜色。进一步地，本专利技术的步骤S2中识别应急车道和工具车道的方法为：在对图像进行sobel算子边缘化处理后，利用垂直边缘就可以检测出道路两旁的护栏，从而确定道路的最左侧和最右侧，再根据高精度地图定位便检测出应急车道；如果在车辆行驶在实线外则，且在护栏内侧，初判为应急车道；根据公交专用道的特征为黄色实线或虚线，并且外侧为实线，如果检测到该特征的车道，判定为公交车道。进一步地，本专利技术的步骤S3中前车违规变道判别的方法为：步骤一、计算前车变道轨迹的横向跨度的最大值是否半个车道的宽度，如果大于大于半个车道宽度，则判断为发生变道；否则，则视为正常行驶；步骤二、判断前车变道前，与前车相距最近的车道线是实线或是虚线，如果是实线，则视为违规变道；获取违规变道的前车的车牌信息；步骤三、如果是虚线，检测判断前车转向灯打开关闭情况，如果转向灯处于关闭状态，则视为违规变道，获取违规变道的前车的车牌信息；如果转向灯处于打开状态，则视为合法变道。进一步地，本专利技术的步骤S4中自车违规变道判别的方法为：步骤一、建立车辆坐标系；步骤二、通过车辆坐标系与车道线，计算自车与最近车道线的相对距离，并预本文档来自技高网...

【技术保护点】
一种车辆道路前车违规检测和自车违规预警提醒装置，其特征在于，包括视频读入模块、道路检测识别模块、前车违规检测单元和自车违规预警单元，其中：视频读入模块，用于获取道路的视频图像；道路检测识别模块，用于检测车辆行驶时的车道线，识别车道线为实线或虚线，并识别车道线的类别，包括行车道、应急道、公交车道和专用车道；前车违规检测单元，用于检测视频图像中前车的运动状态及其转向灯信息，对前车进行特征点跟踪，生成其运动轨迹，计算运动轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；自车违规预警单元，用于检测自车的车道位置和转向灯信息，根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。

【技术特征摘要】
1.一种车辆道路前车违规检测和自车违规预警提醒装置，其特征在于，包括视频读入模块、道路检测识别模块、前车违规检测单元和自车违规预警单元，其中：视频读入模块，用于获取道路的视频图像；道路检测识别模块，用于检测车辆行驶时的车道线，识别车道线为实线或虚线，并识别车道线的类别，包括行车道、应急道、公交车道和专用车道；前车违规检测单元，用于检测视频图像中前车的运动状态及其转向灯信息，对前车进行特征点跟踪，生成其运动轨迹，计算运动轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；自车违规预警单元，用于检测自车的车道位置和转向灯信息，根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。2.根据权利要求1所述的车辆道路前车违规检测和自车违规预警提醒装置，其特征在于，所述的前车违规检测单元包括：前车检测识别模块，用于检测视频图像中前方的运动车辆；跟踪模块，用于通过卡尔曼滤波跟踪算法对前车进行跟踪，并检测和标记前车的转向灯信息；判别模块，用于对前车进行特征点跟踪，记录前车位置信息，通过位置信息生成运动轨迹，计算轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，再结合车道线种类以及前车转向灯打开关闭状态进而判别是否发生违规变道；根据自车与两侧车道线相对位置和转向灯打开关闭情况，预测判别是否将要发生违规变道；根据神经网络算法识别出前车的车型，根据识别出的前车车型和相应行驶的车道种类判别，判断前车是否违规变道；信息保存传输模块，用于在前车发生违规变道时发出报警信息，并从视频图像中截取、保存该违规车辆的车牌信息，并保存违规变道时的视频图像，通过无线网络传输至服务器。3.根据权利要求1所述的车辆道路前车违规检测和自车违规预警提醒装置，其特征在于，所述自车违规预警单元包括：高精度定位模块，用于结合卫星定位系统和地图API，检测自车的准确车道位置；判别模块，用于根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道；预警提醒模块，用于在自车将要发生违规变道时，向驾驶员发出报警信息。4.一种车辆道路前车违规检测和自车违规预警提醒方法，其特征在于,包括以下步骤：S1、获取道路的视频图像；S2、检测车辆行驶时的车道线，识别车道线为实线或虚线，并识别车道线的类别，包括行车道、应急道、公交车道和专用车道；S3、前车违规检测：检测视频图像中前车的运动状态及其转向灯信息，对前车进行特征点跟踪，生成其运动轨迹，计算运动轨迹的横向跨度是否大于一个车道的宽度，判断前车的变道情况，结合车道线的类别和转向灯信息判断该车辆是否发生违规变道，在前车发生违规变道时，向驾驶员发出报警信息，并提取违规车辆的车牌信息；S4、自车违规预警：检测自车的车道位置和转向灯信息，根据自车与两侧车道线类型和相对位置，结合转向灯信息，预测自车是否将发生违规变道，在将要发生违规变道时，向驾驶员发出报警信息。5.根据权利要求4所述的车辆道路前车违规检测和自车违规预警提醒方法，其特征在于，步骤S3中采用Adaboost算法对前车的运动状态进行检测，其方法为：步骤一、离线训练：在各种环境下采集大量的车辆样本和非车辆样本，通过对样本的学习，针对样本的类Haar特征，通过Adaboost训练算法形成弱分类器，根据权重...

【专利技术属性】
技术研发人员：程建伟，许端，刘国虎，王述良，艾凯，
申请(专利权)人：武汉极目智能技术有限公司，
类型：发明
国别省市：湖北;42