一种识别前方车辆尾灯及判断其状态的方法技术

本发明专利技术公开了一种识别前方车辆尾灯及判断其状态的方法，步骤一，将车载摄像头视频输入经过训练的YOLO神经网络1，识别出视频中的车辆；步骤二，将YOLO神经网络1识别出的车辆输入YOLO神经网络2，识别出车辆的尾灯；步骤三，每间隔多个帧图片获取一次尾灯的HSV值，计算相邻两次HSV值的差值是否大于阈值，若差值大于阈值，则车辆尾灯的转向信号灯闪烁或刹车信号灯点亮，进而判断前车将进行刹车或换道操作，若差值小于阈值，则车辆尾灯的转向信号灯不闪烁且刹车信号灯不亮，进而判断前车没有进行刹车及换道操作。本发明专利技术能够实现道路中的车辆识别并判断其是否刹车或变道。

A recognition and judgment method of the front of the vehicle taillight state

The present invention discloses a kind of recognition in front of the vehicle taillight and judgment method, the state of the first step will be car camera video input through YOLO neural network training 1, identify the video of the vehicle; step two, the YOLO neural network to identify the vehicle 1 input YOLO neural network 2, identify the vehicle taillight; step three, each interval of multiple frames of pictures to get a tail HSV value, whether the calculated difference of two adjacent HSV value greater than the threshold value, if the difference is greater than the threshold, the vehicle taillight steering signal lights or brake lights lit, and then judge before the car will brake or change operation, if the difference is less than the threshold, the vehicle turn signal lamp taillights flicker and brake lights are not lit, and then judge before the car did not brake and change operation. The invention can realize vehicle identification in the road and determines whether the brake or change.

【技术实现步骤摘要】
一种识别前方车辆尾灯及判断其状态的方法
本专利技术涉及图像识别
，更具体地说，涉及一种识别前方车辆尾灯及判断其状态的方法。
技术介绍
近年来随着车辆的增多，交通道路的驾驶情况越来越复杂，人们对高级辅助驾驶系统的需要也随之上升。其中，就包括汽车能够自主识别出前车是否将进行变道或刹车操作，从而为汽车自身减速或避让做好准备。由于车辆的尾灯有转向信号灯和刹车信号灯，因此可以通过自主识别出转向信号灯是否闪烁或刹车信号灯是否点亮来判断前车是否将变道或刹车。因此，对车道尾灯的识别以及其状态判断极其重要。当前主流的卷积神经网络识别方法仅在静态图片中有较好性能表现，而在动态视频中因为检查速度过慢而导致性能表现不能满足技术需求。YOLO神经网络将整张图片分割成若干网格，然后每个单独的网格直接预测车辆所在位置的边界框和物体为车辆的概率。YOLO神经网络法具有较快的识别速率和对大目标具有较高的识别率，适用于视频识别。
技术实现思路
本专利技术要解决的技术问题在于，提供一种识别前方车辆尾灯及判断其状态的方法。本专利技术解决其技术问题所采用的技术方案是：构造一种识别前方车辆尾灯及判断其状态的方法，包括以下步骤本文档来自技高网...

【技术保护点】
一种识别前方车辆尾灯及判断其状态的方法，其特征在于，包括以下步骤：步骤S010，将车载摄像头视频输入经过训练的YOLO神经网络1，识别出视频中的车辆；步骤S020，将YOLO神经网络1识别出的车辆输入YOLO神经网络2，识别出车辆的尾灯；步骤S030，每间隔多个帧图片获取一次尾灯的HSV值，计算相邻两次HSV值的差值是否大于阈值，若差值大于阈值，则车辆尾灯的转向信号灯闪烁或刹车信号灯点亮，进而判断前车将进行刹车或换道操作，若差值小于阈值，则车辆尾灯的转向信号灯不闪烁且刹车信号灯不亮，进而判断前车没有进行刹车及换道操作。

【技术特征摘要】
1.一种识别前方车辆尾灯及判断其状态的方法，其特征在于，包括以下步骤：步骤S010，将车载摄像头视频输入经过训练的YOLO神经网络1，识别出视频中的车辆；步骤S020，将YOLO神经网络1识别出的车辆输入YOLO神经网络2，识别出车辆的尾灯；步骤S030，每间隔多个帧图片获取一次尾灯的HSV值，计算相邻两次HSV值的差值是否大于阈值，若差值大于阈值，则车辆尾灯的转向信号灯闪烁或刹车信号灯点亮，进而判断前车将进行刹车或换道操作，若差值小于阈值，则车辆尾灯的转向信号灯不闪烁且刹车信号灯不亮，进而判断前车没有进行刹车及换道操作。2.根据权利要求1所述的一种识别前方车辆尾灯及判断其状态的方法，其特征在于，在所述步骤S010和步骤S020中，所述YOLO神经网络1和YOLO神经网络2的训练方法包括以下步骤：首先在完整的车载摄像头图片上标注出其中的车辆，组成训练样本集1；然后将训练样本集1中标注的汽车分别剪切出来，并在其中标注出尾灯，组成训练样本集2；采用随机梯度下降法训练所述YOLO神经网络1和YOLO神经网络2，并将训练样本集1用于所述YOLO神经网络1的训练，将训练样本集2用于所述YOLO神经网络2的训练，训练完成后得到用于测试的图片。3.根据权利要求2所述的一种识别前方车辆尾灯及判断其状态的方法，其特征在于，从车载摄像头图片上标注出车辆以及从训练样本集1中标注尾灯的过程如下：输入图像被YOLO神经网络划分为S×S的网格，每个网络预测是否有物体的中心落入其内部，若预测结果为是，则该网格预测出B个检测边界框以及每个检测边界框的置信度，置信度反映预测边界框对其框选出物体的自信程度，置信度的计算公式为：Pr(Object)*IOU(1)(1)式和(2)式中，Pr(Object)为边界框包含目标物体的概率，BBgt为基于训练标签的参考标准框；BBdt为检测边界框；area表示边...

【专利技术属性】
技术研发人员：王宇宁，庞智恒，严先亮，徐乐，方舟，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42