[发明专利]基于神经网络的智能车灯控制系统及其方法

权利要求书

1.一种基于神经网络的智能车灯控制系统，其特征在于，包括：

摄像装置，用于采集车辆前方的视频数据，并与视频处理器数据连接；

所述视频处理器，用于采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息，根据所述目标预判信息产生控制指令，所述视频处理器与LED阵列控制模块控制连接；

所述LED阵列控制模块，用于根据所述控制指令，控制LED显示阵列。

2.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述控制LED显示阵列包括：控制LED显示阵列进行远光灯/近光灯切换、车灯亮度调节或车灯在车前聚光点位置根据所述目标预判信息的行驶方向转向。

3.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述摄像装置安装在车灯本体中央；所述视频处理器集成在所述车灯本体中。

4.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述LED阵列控制模块通过控制所述LED显示陈列中各单元的输出功率实现亮度调整。

5.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述视频处理器与同车其他视频获取装置数据连接；所述LED阵列控制模块与同车警示车灯电连接。

6.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述基于神经网络的智能车灯控制系统，包括：

卫星定位校正模块，用于获取车辆地理信息，判断所述目标预判信息与所述地理信息是否一致，如果不一致则将所述地理信息替代所述目标预判信息，所述卫星定位校正模块与所述视频处理器电连接。

7.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述视频处理器包括如下功能单元：

警示单元，用于判断所述目标是否为阻挡物，如果是则发出控制所述远/近光灯频繁切换的所述控制指令；

转向灯光补偿及提示单元，用于判断所述目标是否为道路转向，如果是则发出控制所述LED显示阵列聚光点随道路转向转动，且始终处于车前方所述控制指令；

隧道预先补光单元，用于判断所述目标是否为隧道，如果是则发出调节所述LED显示阵列亮度的所述控制指令。

8.根据权利要求7所述的基于神经网络的智能车灯控制系统，其特征在于，所述提示单元中发出的所述控制指令包括将远光灯切换为近光灯控制指令。

9.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述摄像装置用于获取车前方20～300m处的所述视频数据。

10.根据权利要求1所述的基于神经网络的智能车灯控制系统，其特征在于，所述摄像装置为行车记录仪。

11.一种基于神经网络的智能车灯控制方法，其特征在于，包括以下步骤：

采集车辆前方的视频数据；

采用训练后的深度学习型神经网络模型识别所述视频数据各帧图像中的目标，得到目标预判信息；

根据所述目标预判信息，产生控制指令，控制LED显示阵列。

12.根据权利要求11所述的基于神经网络的智能车灯控制方法，其特征在于，所述训练后的深度学习型神经网络的训练包括以下步骤：

标注训练数据库中各图片的路况信息，得到标注图像；

采用神经网络识别所述标注图像，进行深度学习训练所述神经网络识，得到训练后的深度学习神经网络模型。

13.根据权利要求12所述的基于神经网络的智能车灯控制方法，其特征在于，所述训练数据库各图片中路况信息至少包括：正常行驶、行驶道路转向、进入隧道或离开隧道中的一种。