[发明专利]机动车未按规定使用远光灯识别方法、系统及存储介质

权利要求书

1.一种基于深度学习的机动车未按规定使用远光灯智能识别方法，其特征在于，包括：

采用两个摄像设备，其中一个摄像设备采用强光抑制摄像头，用于检测机动车的车灯、车牌；另一个摄像设备采用普通摄像头用于检测机动车车灯灯光的光强程度；安装所述两个摄像设备用于交通监控，使所述两个摄像设备能检测到同一物体，并对两个摄像设备做标定，测定地面坐标系和摄像设备像素之间的关系，并算出所述两个摄像设备的透视变换系数；

获取所述两个摄像设备分别采集到的视频流，所述视频流包括多帧图像；强光抑制摄像头采集到的为强光抑制视频流，普通摄像头采集到的为普通视频流；

采用预先训练的远光灯识别神经网络模型，在所述强光抑制视频流中对各帧图像中每一辆机动车的远光灯进行检测，获得目标区域的位置，根据所获得目标区域的位置，利用透视反变换得到所述目标区域的地面坐标位置；

根据所述目标区域的地面坐标位置，再利用透视反变换得到普通视频流中的像素坐标位置，确定普通视频流中的目标区域；

检测所述普通视频流中的目标区域的光照强度，与预先设置的光照强度阈值进行比较，判断远光灯开启的状态，根据远光灯开启的状态，判断车牌对应的机动车是否按规定使用其远光灯；

其中，所述远光灯识别神经网络模型训练过程包括：

构建训练样本集，所述训练样本集中包括多张标记车灯与车牌组合的图片，所述图片从强光抑制视频流获取；

采用yolo算法以车灯与车牌组合作为训练数据，对所述训练样本集中的多张图片进行训练，得到远光灯识别神经网络模型的各个模型参数。

2.如权利要求1所述的基于深度学习的机动车未按规定使用远光灯智能识别方法，其特征在于，所述两个摄像头距离检测区域的距离大于机动车近光灯所能照射的最远距离。

3.如权利要求2所述的基于深度学习的机动车未按规定使用远光灯智能识别方法，其特征在于，所述检测普通视频流中的目标区域的光照强度，具体包括：

在普通视频流中选定目标区域所在的图像，通过对高清图像色彩直方图的分析，利用R、G、B三个色彩通道的对应点灰度值的特征评估光强度水平；

设为图像中像素i的色彩空间向量，定义像素i的偏红水平：

r_i越小表明像素i越偏向红色，如果像素i属于远光灯，那么r_i∈[0,1]；

通过图像中某一区域的偏红水平，评估光强度水平；

定义区域S的偏红水平：

然后再定义一个光强度阈值Ta，如果r>Ta说明远光灯开启，否则认为远光灯没有开启。

4.如权利要求1所述的基于深度学习的机动车未按规定使用远光灯智能识别方法，其特征在于，所述对两个摄像设备做标定，所述标定方法包括：

在地面上预先设定的摄像设备与检测区域的距离处画一矩形框，利用所述矩形框分别在所述两个摄像设备中的成像位置和实际矩形框的地面坐标的对应关系，分别计算出所述两个摄像设备的透视变换系数。

5.如权利要求4所述的基于深度学习的机动车未按规定使用远光灯智能识别方法，其特征在于，所述两个摄像设备距离检测区域的距离为50米。