车辆道路前车违规检测和自车违规预警提醒装置及方法与流程

技术特征：

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。

6.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：

${\hat{x}}_{k,k-1}=A_{k,k-1}\·{\hat{x}}_{k-1}$

其中，和分别是k-1和k帧的状态向量，A_k,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。

7.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。

8.根据权利要求7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。

9.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。

10.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，并预测未来自车与车道线相对距离；

步骤三、如果预测相对距离小于预设定值，则判断自车将要发生变道，否则判断不发生变道；

步骤四、若判断自车要发生变道，判断与自车相距最近车道线是虚线还是实线，如果是实线，则视为将要发生违规变道；

步骤五、如果是虚线，通过传感器检测自车转向灯打开关闭状态，如果转向灯处于打开状态，则判断为将要进行自车合法变道；如果转向灯处于关闭状态，则判断为将要发生违规变道。