[发明专利]一种基于车牌识别的防撞预警方法及装置

说明书

本发明公开了一种基于车牌识别的防撞预警方法及装置，方法包括：通过单摄像头获取车辆前方路况信息；通过多尺度滑动窗口在第一感兴趣区域内提取Haar特征输入到级联分类器中，构成车辆检测器，对第一感兴趣区域中车辆进行识别，将识别到的区域定为第二感兴趣区域，使用多尺度滑动窗口提取图像块，输入到设计并训练好的深度卷积神经网络中，获取车牌在整个图像中的位置和大小信息；根据不同车距所对应的前车车牌所占像素数，通过三次函数获取两车间距；通过GPS测速仪获得当前车辆的速度，结合摄像头帧率获得前车速度，再判断车辆是否处于危险状态。装置包括：单摄像头、车辆检测器、微控制器、GPS测速仪、以及灰度均衡模块。

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种基于车牌识别的防撞预警方法及装置。

背景技术

近年来，随着经济的快速发展，全球人均车辆保有量逐年提高，而交通事故的高发生率也成了各国关注的热点问题。在众多交通事故原因中，除超载、超速、酒驾外，司机疲劳驾驶、吸烟、玩手机等行为也是十分常见的安全隐患。因此，ADAS(高级辅助驾驶系统)应运而生。ADAS是利用安装在车上的各种传感器，在汽车行驶过程中感应周围的环境，通过运算与分析来判断车辆是否处于安全行驶的状态，预先让驾驶者察觉到可能发生的危险。前向防撞预警系统(Forward Collision Warning,FCW)是ADAS的重要组成部分，主要包括车辆检测模块、测距模块、以及报警决断模块。

目前国内外在前向防撞预警系统中采用的技术主要有雷达系统和机器视觉两种。雷达具有抗干扰性强、测距准确等优点，但雷达系统多在出厂前与车辆进行一体安装，往往成本较高，且无法对障碍物进行分类，为用户提供的有用信息较少；机器视觉方式是通过车载摄像机采集车辆行驶时的前方道路信息，通过计算机处理后，根据前方车辆的距离判断是否会发生危险。这种系统可通过不断训练提高检测精度，且安装方便，灵活性强。基于机器视觉的测距方法主要包括单目和双目两种，目前国内外研究较多的是基于双目视觉的测距方法，而基于单目视觉的测距方法应用较少。

基于机器视觉的防撞预警系统的主要问题有：安装成本高、检测精度不够、方法单一、以及实时性差等。

发明内容

本发明提供了一种基于车牌识别的防撞预警方法及装置，本发明使用单摄像头获取车辆前方信息，大大减少了所需花费，通过前车车牌的面积大小来判断位置的远近，方法简单，实时性强，详见下文描述：

一种基于车牌识别的防撞预警方法，所述防撞预警方法包括：

通过单摄像头获取车辆前方路况信息；选取当前车辆所在车道正前方区域为第一感兴趣区域，通过多尺度滑动窗口在第一感兴趣区域内提取Haar特征，输入到Haar级联分类器中，以此构成车辆检测器；

通过车辆检测器对第一感兴趣区域中的车辆进行识别，并将识别到的车辆区域确定为第二感兴趣区域；

在第二感兴趣区域使用多尺度滑动窗口提取图像块，将图像块输入到设计并训练好的深度卷积神经网络中进行分类，获取车牌在整个图像中的位置和大小信息；

在确定的摄像头分辨率下，根据不同车距所对应的前车车牌所占像素数，通过三次函数获取距离，再减去当前车辆的车头长度即为两车间距；

通过GPS测速仪获得当前车辆的速度，结合摄像头帧率获得前车速度，再判断车辆是否处于危险状态。

进一步地，所述获取到车辆前方路况信息后，还包括：对路况信息的图像进行灰度均衡。

优选地，所述方法将第一感兴趣区域的分辨率设置为整个图像分辨率的五分之一。

具体实现时，所述设计并训练好的深度卷积神经网络具体为：

收集大量关于我国通用车牌的正负样本构成数据库；