[发明专利]一种基于深度学习的汽车盲区危险物报警方法

说明书

本发明提出了一种基于深度学习的汽车盲区危险物报警方法。本发明包括一种基于深度学习的汽车盲区危险物报警系统。本发明方法通过训练网络模型；使用多个摄像头分别采集驾驶中汽车各盲区的图像，传输至对应的处理器；对应的处理器将预处理好的图像输入到训练后网络模型中，检测图像中危险物的类别、置信度及位置坐标；计算出危险物到对应摄像头的水平距离；中央控制器将标有危险物边界框的图像输送至车载显示器实时显示，将危险物的类别、置信度及位置坐标分别传输到语音转换器，生成危险警告语音，由车载音响播报。本发明达到了盲区实时报警的效果，有效地减少了盲区内儿童、小动物等小型目标被遮挡而造成的事故。

技术领域

本发明属于计算机视觉技术领域和智能驾驶辅助领域，尤其是涉及一种基于深度学习的汽车盲区危险物报警方法。

背景技术

道路交通事故比例逐年攀升，驾驶员的主观判断失误是事故发生的重要因素，但其中不乏车辆自身因素影响了驾驶员的判断。一方面，汽车由于自身设计，在驾驶途中存在较多盲区，尤其在转弯时，会有A/B/C柱盲区，车头/车尾盲区、后视镜盲区等，驾驶员无法通过后视镜看到盲区内的危险物，即使汽车上安装了后视镜及一些补盲视镜，但由于其安装位置、视角等限制，在一些行驶状态下，仍存在视觉盲区。另一方面，小动物、小孩等小型目标的运动轨迹具有很高的不确定性、应急反应速度慢等特点，容易造成事故发生。

驾驶辅助系统是目前市面上最受欢迎的主动安全技术之一，其利用安装在车上的各种传感器，在汽车行驶中随时感应周围的环境，实时运算和分析数据，从而预报可能发生的危险，有效增加汽车驾驶的安全性。相机传感器可利用纹理和颜色特征准确识别物体类型，并比其他传感器成本更低，特别是利用相机传感器进行基于深度学习的目标检测，达到了比人类更快更准确的能力。主流目标检测方法如Faster R-CNN、R-FCN、SSD等，然而在准确度和检测速度的权衡中，这些方法或多或少存在不足，在汽车这种对准确度和速度要求严格的应用中受到限制，尤其是对小目标的检验效果不够理想。

发明内容

本发明的目的是提供一种基于深度学习的汽车盲区危险物报警系统及方法，在保证危险物准确检测的前提下，迅速对盲区内危险物所处方位进行计算，并报警，从而减少由于汽车盲区造成的交通事故，从而保护小动物、儿童等小目标的生命安全。

本发明系统的技术方案为一种汽车盲区报警系统，其特征在于，包括：左后视镜摄像头、车前摄像头、右后视镜摄像头、左车尾摄像头、车尾摄像头、右车尾摄像头、第一处理器、第二处理器、第三处理器、第四处理器、第五处理器、第六处理器、交换机、中央控制器、车载显示器、语音转换器、车载音响以及电源模块。

所述左后视镜摄像头与所属第一处理器通过导线连接；所述车前摄像头与所属第二处理器通过导线连接；所述右后视镜摄像头与所属第三处理器通过导线连接；所述左车尾摄像头与所属第四处理器通过导线连接；所述车尾摄像头与所属第五处理器通过导线连接；所述右车尾摄像头与所属第六处理器通过导线连接；所述左后视镜摄像头与所属第一处理器通过导线连接；所述左后视镜摄像头与所属第一处理器通过导线连接；所述左后视镜摄像头与所属第一处理器通过导线连接。

所述第一处理器与所述交换机通过网线连接；所述第二处理器与所述交换机通过网线连接；所述第三处理器与所述交换机通过网线连接；所述第四处理器与所述交换机通过网线连接；所述第五处理器与所述交换机通过网线连接；所述第六处理器与所述交换机通过网线连接。

所述交换机与所述中央控制器通过导线连接；所述中央控制器与所述车载显示器通过导线连接；所述中央控制器与所述语音转换器通过导线连接；所述语音转换器与所述车载音响通过导线连接；所述电源模块分别与所述左后视镜摄像头、车前摄像头、右后视镜摄像头、左车尾摄像头、车尾摄像头、右车尾摄像头、第一处理器、第二处理器、第三处理器、第四处理器、第五处理器、第六处理器、交换机、中央控制器、车载显示器、语音转换器、车载音响通过导线依次连接。