车辆防碰撞预警方法及装置的制造方法
【专利摘要】本发明公开了一种车辆防碰撞预警方法，包括：采集本车道路前方视频图像的图像帧；通过所述图像帧确定本车道路前方是否存在满足预定义工作环境中的近距离前车；当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域；跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸；判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。本发明还公开了一种车辆防碰撞预警装置。通过本发明可以降低硬件成本，同时提高车辆防碰撞预警的适用范围及准确性。
【专利说明】
车辆防碰撞预警方法及装置
技术领域
[0001]本发明涉及目标识别技术领域，尤其涉及车辆防碰撞预警方法及装置。
【背景技术】
[0002]目前，现有技术中通常利用雷达设备检测前方车辆，并通过获取车辆前面环境的深度信息以供判断本车与前方车辆发生碰撞的潜在趋势，但由于雷达设备利用电磁波判断前方障碍物时的检测角度较小，因而会存在检测死角的问题，从而导致检测效果不够理想且同时雷达设备成本较高。
【发明内容】
[0003]本发明的主要目的在于提供一种车辆防碰撞预警方法及装置，旨在解决现有车辆防碰撞技术中所采用的硬件成本较高且检测效果不够理想的技术问题。
[0004]为实现上述目的，本发明提供一种车辆防碰撞预警方法，所述车辆防碰撞预警方法包括:
[0005]采集本车道路前方视频图像的图像帧；
[0006]通过所述图像帧确定本车道路前方是否存在预定义的近距离前车；
[0007]当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域；
[0008]跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸；
[0009]判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。
[0010]优选地，采用机器学习算法进行离线训练分类器，其中，所述分类器的离线训练样本至少包括本车道路前方的近距离前车样本、远距离前车样本以及无车样本;所述通过所述图像帧确定本车道路前方是否存在预定义的近距离前车包括:
[0011]根据预先训练得到的所述分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果；
[0012]根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。
[0013]优选地，所述当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域包括:
[0014]当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框；
[0015]根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。
[0016]优选地，所述判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警包括:
[0017]当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变；
[0018]当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大；
[0019]若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。
[0020]进一步地，为实现上述目的，本发明还提供一种车辆防碰撞预警装置，所述车辆防碰撞预警装置包括:
[0021]图像采集模块，用于采集本车道路前方视频图像的图像帧；
[0022]近距离前车判断模块，用于通过所述图像帧确定本车道路前方是否存在预定义的近距离前车；
[0023]显著区域确定模块，用于当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域；
[0024]跟踪模块，用于跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸；
[0025]预警判断模块，用于判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。
[0026]优选地，所述近距离前车判断模块采用机器学习算法进行离线训练分类器，其中，所述分类器的离线训练样本至少包括本车道路前方的近距离前车样本、远距离前车样本以及无车样本；
[0027]所述近距离前车判断模块包括:
[0028]分类单元，用于根据预先训练得到的分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果；
[0029]综合判断单元，用于根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。
[0030]优选地，所述显著区域确定模块包括:
[0031]轮廓提取单元，用于当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框；
[0032]显著区域确定单元，用于根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。
[0033]优选地，所述预警判断模块具体用于:
[0034]当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变；
[0035]当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大；
[0036]若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。
[0037]本发明中，只需采用摄像设备(比如摄像头)即可进行车辆防碰撞预警处理，从而节省了硬件成本。本发明具体通过采集本车道路前方视频图像，进而通过分析视频图像以确定本车道路前方是否存在近距离前车以及前车尾部特征显著区域，并通过跟踪前车尾部特征显著区域以及判断前车尾部特征显著区域在视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，以供在相应车距状态下发出车辆防碰撞预警。本发明通过获取本车道路前方视频图像，从而可获得本车前方更大的检测角度，提升检测的效果。此外，本发明通过跟踪前车尾部特征显著区域以确定本车与前车间的车距状态，从而扩大车辆防碰撞预警的多种适用场合，比如停车防溜、前车变道等。
【附图说明】
[0038]图1为本发明车辆防碰撞预警方法一实施例的流程示意图；
[0039]图2为本发明车辆防碰撞预警方法中近距离前车一实施例示意图；
[0040]图3为图1中步骤S20的细化流程示意图；
[0041]图4为图1中步骤S30—实施例的细化流程示意图；
[0042]图5为本发明车辆防碰撞预警方法中显著区域在视频图像中变化的第一实施例的示意图；
[0043]图6为本发明车辆防碰撞预警方法中显著区域在视频图像中变化的第二实施例的示意图；
[0044]图7为本发明车辆防碰撞预警方法中显著区域在视频图像中变化的第三实施例的示意图；
[0045]图8为本发明车辆防碰撞预警装置一实施例的功能模块示意图；
[0046]图9为图8中近距离前车判断模块的细化功能模块示意图；
[0047]图10为图8中显著区域确定模块的细化功能模块示意图。
[0048]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0049]应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0050]参照图1，图1为本发明车辆防碰撞预警方法一实施例的流程示意图。本实施例中，所述车辆防碰撞预警方法包括:
[0051 ]步骤SlO，采集本车道路前方视频图像的图像帧；
[0052]本实施例中，具体通过摄像设备(比如摄像头)拍摄本车道路前方环境并生成相应的视频图像，该视频图像具体为RGB彩色图像。需要说明的是，摄像设备拍摄既可以是在本车行驶过程中进行拍摄，同时也可以是在车辆停止(泊车状态下)时进行拍摄，同时摄像设备所拍摄的本车道路前方环境的拍摄角度范围不限，具体可以是针对本车所在的行驶车道或者是针对同条道路上的多条车道。
[0053]本实施例中，对于摄像设备不限，比如集成摄像头的手机或平板电脑，或者独立的摄像头与车载电脑连接等。同时，对于摄像设备的安放位置不限，例如，手机或平板电脑等通过支架固定在本车上能够拍摄到本车道路前方图像的任意位置。此外，为适用于各类特殊环境，比如下雨、大雾、夜晚等，可以选用专用摄像头以提升在上述特殊环境下的图像处理能力。
[0054]本实施例中，通过采集本车道路前方视频图像的图像帧，进而便于分析本车前方车况或者根据前方车况分析本车车况。例如，分析本车前方是否存在近距离的前车(比如3-5米以内)，或者分析本车是否发生了溜车，进而根据分析结果以进行防碰撞预警或提示。
[0055]步骤S20，通过所述图像帧确定本车道路前方是否存在预定义的近距离前车；
[0056]本实施例中，对于近距离前车的定义具体根据前车是否能与本车发生碰撞的潜在趋势相关，其中，近距离的定义具体与车辆防碰撞时所处环境相关，本发明方法优选适用于低速、近距离的环境，例如道路堵塞时的慢速跟车、等红绿灯或通过收费站等环境，因此，近距离可定义为3-5米以内的车距，而前车的定义既可以是与本车同车道的前车，也可以是与本车所在车道的相邻车道上的前车。例如，如图2所示，其中A表示本车，B1-B5可以表示前车，则可将B1-B3定义为近距离前车。
[0057]本实施例中，对于通过图像帧确定本车道路前方是否存在近距离前车的处理方式不限，例如，根据车辆的纹理、梯度和边缘信息等来训练分类器来识别前方车辆，并通过检测本车运动状态及其与前方车辆之间的相对距离和相对速度等信息以确定存在本车的近距离前车。
[0058]步骤S30，当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域；
[0059]本实施例中，前车尾部特征显著区域具体包括车牌、车灯、保险杠等。从图像帧中识别上述显著区域的方式很多，例如边缘检测算法、轮廓检测算法等，因此本实施例中不做过多赘述。
[0060]步骤S40，跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸；
[0061]本实施例中，对于跟踪显著区域的处理方式不限，例如TLD算法、STC算法、KCF算法等，因此不做过多赘述。需要说明的是，当本车前方存在多辆近距离前车时，为防止其他车道的近距离前车突然变道而导致潜在碰撞危险，因此，本实施例中，既可以是只跟踪本车同一车道上的近距离前车(单目标跟踪)，也可以是跟踪多条车道上的近距离前车(多目标跟踪)，具体根据实际需要进行设置。
[0062]步骤S50，判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。
[0063]本实施例中，基于平行透视原理，比如本车与前车有相对移动时，跟踪目标在视频图像中会有位置和尺寸的变化(位置近高远低、尺寸近大远小)，从而可判断本车与前车的车距状态为靠近或远离状态，而若为靠近状态，则需要向用户发出车辆防碰撞预警。
[0064]本实施例中只需采用摄像设备(比如摄像头)即可进行车辆防碰撞预警处理，从而节省了硬件成本。通过采集本车道路前方视频图像，进而通过分析视频图像以确定本车道路前方是否存在近距离前车以及前车尾部特征显著区域，并通过跟踪前车尾部特征显著区域以及判断前车尾部特征显著区域在视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，以供在相应车距状态下发出车辆防碰撞预警。本实施例中，通过获取本车道路前方视频图像，从而可获得本车前方更大的检测角度，提升检测的效果。此外，本实施例中，通过跟踪前车尾部特征显著区域以确定本车与前车间的车距状态，从而扩大车辆防碰撞预警的多种适用场合，比如停车防溜、前车变道等。
[0065]参照图3，图3为图1中步骤S20的细化流程示意图。基于上述实施例，本实施例中，为便于识别出图像帧中的近距离前车，因此，本实施例中优选采用机器学习算法中的常用分类算法进行离线训练分类器，具体步骤如下:
[0066]步骤一:采集本车道路前方的近距离前车样本、远距离前车样本以及无车样本等多类样本作为分类器的离线训练样本;其中，分类器的训练样本具体根据实际情况进行设置，比如由用户根据实际驾驶经验设置相应的训练样本等。
[0067]步骤二:提取各个样本的H0G、haar或LBP等特征。
[0068]步骤三:用机器学习中常用的分类算法对上述特征进行训练，得到可以判断近距离车辆的分类器，进而通过训练得到的该分类器即可对图像帧进行分类处理。其中，分类器具体是指机器学习中对样本进行分类的方法的统称，例如常用的分类算法有神经网络算法、支持向量机等。
[0069]本实施例中，上述步骤S20具体包括:
[0070]步骤S201，根据预先训练得到的所述分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果；
[0071]步骤S202，根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。
[0072]本实施例中，尽管通过分类器可以比较准确的判别出本车道路前方的车况，但是，为避免现实环境中的不可预料因素或其他外界环境因素对判断结果的影响，因此，进一步根据预设的车辆特征进行综合判断，例如车牌颜色、车灯颜色、车牌形状及长宽比、保险杠形状等，从而实现对本车道路前方的车况的准确判别，进而精准确定本车道路前方是否存在近距离前车，并相应提升了本发明方法的安全性。
[0073]参照图4，图4为图1中步骤S30的细化流程示意图。基于上述实施例，本实施例中，上述步骤S30包括:
[0074]步骤S301，当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框；
[0075]步骤S302，根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。
[0076]本实施例中，考虑到本车与前车相距过近且摄像设备的位置设置过高时，本车车头可能会遮挡住前车的车牌部分而导致无法提取到前车的车牌轮廓，因此，可进一步考虑提取前车的车灯区域(车灯区域的设置位置一般较车牌更高，同时车灯具有红色、黄色、白色以及对称性等特征)作为前车尾部特征显著区域，具体处理过程与车牌的处理过程基本相似，因此不做过多赘述。
[0077]进一步可选的，在本发明车辆防碰撞预警方法一实施例中，上述步骤S50具体包括以下几类:
[0078](I)当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变；
[0079]本实施例中，显著区域在当前图像帧与前一图像帧中的位置变化具体是指显著区域在视频图像的纵向垂直方向上的位置变化，如图5所示。
[0080](2)当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大；
[0081]如图6所示，本车与前车的车距对应为增大，也即此时车距状态对应为相对远离状
??τ O
[0082](3)若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。
[0083]如图7所示，本车与前车的车距对应为减少，也即此时车距状态对应为相对靠近状态，因此，在此车距状态下，需要向用户发出车辆防碰撞预警。
[0084]本实施例中，对于预警的方式不限，可以是警报声，也可以是相应的提示声等。此夕卜，需要说明的是，本实施例不仅适用于车辆行驶状态的防碰撞预警，同样也适用于车辆泊车状态(向前或向后溜车)的防碰撞预警。另外，鉴于现实驾驶场景中，由于本车超车前车、前车变道或掉头等情况而导致跟踪失败时，将重新采集下一图像帧并重复进行上述实施例中的处理步骤以继续进行预警处理。
[0085]参照图8，图8为本发明车辆防碰撞预警装置一实施例的功能模块示意图。本实施例中，所述车辆防碰撞预警装置包括:
[0086]图像采集模块10，用于采集本车道路前方视频图像的图像帧；
[0087]本实施例中，图像采集模块10通过采集本车道路前方视频图像的图像帧，进而便于分析本车前方车况或者根据前方车况分析本车车况。例如，分析本车前方是否存在近距离的前车(比如3-5米以内)，或者分析本车是否发生了溜车，进而根据分析结果以进行防碰撞预警或提示。
[0088]近距离前车判断模块20，用于通过所述图像帧确定本车道路前方是否存在预定义的近距离前车；
[0089]本实施例中，对于近距离前车的定义具体根据前车是否能与本车发生碰撞的潜在趋势相关，其中，近距离的定义具体与车辆防碰撞时所处环境相关，本发明方法优选适用于低速、近距离的环境，例如道路堵塞时的慢速跟车、等红绿灯或通过收费站等环境，因此，近距离可定义为3-5米以内的车距，而前车的定义既可以是与本车同车道的前车，也可以是与本车所在车道的相邻车道上的前车。例如，如图2所示，其中A表示本车，B1-B5可以表示前车，则可将B1-B3定义为近距离前车。
[0090]本实施例中，对于通过图像帧确定本车道路前方是否存在近距离前车的处理方式不限，例如，根据车辆的纹理、梯度和边缘信息等来训练分类器来识别前方车辆，并通过检测本车运动状态及其与前方车辆之间的相对距离和相对速度等信息以确定存在本车的近距离前车。
[0091]显著区域确定模块30，用于当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域；
[0092]本实施例中，前车尾部特征显著区域具体包括车牌、车灯、保险杠等。从图像帧中识别上述显著区域的方式很多，例如边缘检测算法、轮廓检测算法等，因此本实施例中不做过多赘述。
[0093]跟踪模块40，用于跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸；
[0094]本实施例中，对于跟踪显著区域的处理方式不限，例如TLD算法、STC算法、KCF算法等，因此不做过多赘述。需要说明的是，当本车前方存在多辆近距离前车时，为防止其他车道的近距离前车突然变道而导致潜在碰撞危险，因此，本实施例中，既可以是只跟踪本车同一车道上的近距离前车(单目标跟踪)，也可以是跟踪多条车道上的近距离前车(多目标跟踪)，具体根据实际需要进行设置。
[0095]预警判断模块50，用于判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。
[0096]本实施例中，基于平行透视原理，比如本车与前车有相对移动时，跟踪目标在视频图像中会有位置和尺寸的变化(位置近高远低、尺寸近大远小)，从而可判断本车与前车的车距状态为靠近或远离状态，而若为靠近状态，则需要向用户发出车辆防碰撞预警。
[0097]本实施例中只需采用摄像设备(比如摄像头)即可进行车辆防碰撞预警处理，从而节省了硬件成本。通过采集本车道路前方视频图像，进而通过分析视频图像以确定本车道路前方是否存在近距离前车以及前车尾部特征显著区域，并通过跟踪前车尾部特征显著区域以及判断前车尾部特征显著区域在视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，以供在相应车距状态下发出车辆防碰撞预警。本实施例中，通过获取本车道路前方视频图像，从而可获得本车前方更大的检测角度，提升检测的效果。此外，本实施例中，通过跟踪前车尾部特征显著区域以确定本车与前车间的车距状态，从而扩大车辆防碰撞预警的多种适用场合，比如停车防溜、前车变道等。
[0098]参照图9，图9为图8中近距离前车判断模块的细化功能模块示意图。基于上述实施例，本实施例中，所述近距离前车判断模块20采用机器学习算法进行离线训练分类器，其中，所述分类器的离线训练样本至少包括本车道路前方的近距离前车样本、远距离前车样本以及无车样本；
[0099]所述近距离前车判断模块20包括:
[0100]分类单元201，用于根据预先训练得到的分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果；
[0101]综合判断单元202，用于根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。
[0102]为提升图像处理速度，同时提升处理结果的精准度，本实施例中具体采用机器学习算法离线训练分类器，分类单元201通过分类器将图像帧进行分类，分类的结果具体对应训练样本的设置。例如，A图像帧分类结果为本车道路前方存在近距离前车，B图像帧分类结果为本车道路前方存在远距离前车，而C图像帧分类结果为本车道路前方无车。
[0103]本实施例中，尽管通过分类器可以比较准确的判别出本车道路前方的车况，但是，为避免现实环境中的不可预料因素或其他外界环境因素对判断结果的影响，因此，进一步通过综合判断单元202根据预设的车辆特征进行综合判断，例如车牌颜色、车灯颜色、车牌形状及长宽比、保险杠形状等，从而实现对本车道路前方的车况的准确判别，进而精准确定本车道路前方是否存在近距离前车，并相应提升了本发明方法的安全性。
[0104]参照图10，图10为图8中显著区域确定模块的细化功能模块示意图。基于上述实施例，本实施例中，所述显著区域确定模块30包括:
[0105]轮廓提取单元301，用于当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框；
[0106]显著区域确定单元302，用于根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。
[0107]本实施例中，考虑到本车与前车相距过近且摄像设备的位置设置过高时，本车车头可能会遮挡住前车的车牌部分而导致无法提取到前车的车牌轮廓，因此，可进一步考虑提取前车的车灯区域(车灯区域的设置位置一般较车牌更高，同时车灯具有红色、黄色、白色以及对称性等特征)作为前车尾部特征显著区域，具体处理过程与车牌的处理过程基本相似，因此不做过多赘述。
[0108]进一步可选的，在本发明车辆防碰撞预警装置一实施例中，所述预警判断模块50具体用于:
[0109](I)当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变；
[0110]本实施例中，显著区域在当前图像帧与前一图像帧中的位置变化具体是指显著区域在视频图像的纵向垂直方向上的位置变化，如图5所示。
[0111](2)当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大；
[0112]如图6所示，本车与前车的车距对应为增大，也即此时车距状态对应为相对远离状
??τ O
[0113](3)若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。
[0114]如图7所示，本车与前车的车距对应为减少，也即此时车距状态对应为相对靠近状态，因此，在此车距状态下，需要向用户发出车辆防碰撞预警。
[0115]本实施例中，对于预警的方式不限，可以是警报声，也可以是相应的提示声等。此夕卜，需要说明的是，本实施例不仅适用于车辆行驶状态的防碰撞预警，同样也适用于车辆泊车状态(向前或向后溜车)的防碰撞预警。另外，鉴于现实驾驶场景中，由于本车超车前车、前车变道或掉头等情况而导致跟踪失败时，将重新采集下一图像帧并重复进行上述实施例中的处理步骤以继续进行预警处理。
[0116]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种车辆防碰撞预警方法，其特征在于，所述车辆防碰撞预警方法包括: 采集本车道路前方视频图像的图像帧； 通过所述图像帧确定本车道路前方是否存在预定义的近距离前车； 当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域； 跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸； 判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。2.如权利要求1所述的车辆防碰撞预警方法，其特征在于，采用机器学习算法进行离线训练分类器，其中，所述分类器的离线训练样本至少包括本车道路前方的近距离前车样本、远距离前车样本以及无车样本； 所述通过所述图像帧确定本车道路前方是否存在预定义的近距离前车包括: 根据预先训练得到的所述分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果； 根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。3.如权利要求1或2所述的车辆防碰撞预警方法，其特征在于，所述当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域包括: 当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框； 根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。4.如权利要求3所述的车辆防碰撞预警方法，其特征在于，所述判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警包括: 当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变； 当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大； 若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。5.一种车辆防碰撞预警装置，其特征在于，所述车辆防碰撞预警装置包括: 图像采集模块，用于采集本车道路前方视频图像的图像帧； 近距离前车判断模块，用于通过所述图像帧确定本车道路前方是否存在预定义的近距离前车； 显著区域确定模块，用于当确定存在近距离前车时，从所述图像帧中确定所述前车尾部特征显著区域； 跟踪模块，用于跟踪所述显著区域，并记录所述显著区域在所述视频图像的图像帧中的位置和/或尺寸； 预警判断模块，用于判断所记录的所述显著区域在所述视频图像的图像帧中的位置和/或尺寸变化所对应的车距状态，并根据相应车距状态发出车辆防碰撞预警。6.如权利要求5所述的车辆防碰撞预警装置，其特征在于，所述近距离前车判断模块采用机器学习算法进行离线训练分类器，其中，所述分类器的离线训练样本至少包括本车道路前方的近距离前车样本、远距离前车样本以及无车样本； 所述近距离前车判断模块包括: 分类单元，用于根据预先训练得到的分类器，分析所述图像帧的图像特征，得到所述图像帧所对应的分类结果； 综合判断单元，用于根据得到的所述分类结果与预设的车辆特征进行综合判断，以确定本车道路前方是否存在近距离前车，所述车辆特征至少包括车牌和/或车灯和/或保险杠的相关特征。7.如权利要求5或6所述的车辆防碰撞预警装置，其特征在于，所述显著区域确定模块包括: 轮廓提取单元，用于当确定存在近距离前车时，从所述图像帧中提取所述前车尾部特征的若干图像轮廓，并生成若干所述图像轮廓的外接边界框； 显著区域确定单元，用于根据车牌和/或车灯和/或保险杠的相关特征，从若干所述外接边界框中筛选出满足车牌和/或车灯和/或保险杠的相关特征的若干特定外接边界框，并确定所述特定外接边界框所在区域对应为所述前车尾部特征显著区域，其中，所述相关特征至少包括车牌、车灯、保险杠所分别对应的形状特征、尺寸特征、颜色特征以及车灯的对称特性特征中的一种或多种。8.如权利要求7所述的车辆防碰撞预警装置，其特征在于，所述预警判断模块具体用于: 当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸不变时，判定本车与所述前车的车距对应为保持不变； 当所述显著区域在所述视频图像的当前图像帧与前一图像帧中的位置和/或尺寸变化时，若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向上移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变小，则判定本车与所述前车的车距对应为增大； 若所述显著区域在所述视频图像的当前图像帧中的位置相对于前一图像帧中的位置向下移动和/或所述显著区域在所述视频图像的当前图像帧中的尺寸相对于前一图像帧中的尺寸变大，则判定本车与所述前车的车距对应为减小并发出车辆防碰撞预警。
【文档编号】G06K9/00GK105825185SQ201610148003
【公开日】2016年8月3日
【申请日】2016年3月15日
【发明人】陈宇, 张晓光, 徐新, 徐一新
【申请人】深圳市中天安驰有限责任公司