欢迎进入ag8亚洲只为非同凡响0有限公司:ag8亚洲只为非同凡响0
13606107521

联系我们

ag8亚洲只为非同凡响0
联系人:姚文奇
手 机:13606107521
座 机:0519-83242489
传 真:0519-83242489
邮 箱:1145821709@qq.com
地 址: 新北区孟河镇庙边村委

您所在的位置:主页 > 新闻中心 >
一种识别前方车辆尾灯及判断其状态的方法与流
发布时间:2019-12-29 03:29    作者:ag8亚洲只为非同凡响0   

  本发明涉及图像识别技术领域,更具体地说,涉及一种识别前方车辆尾灯 及判断其状态的方法。

  近年来随着车辆的增多,交通道路的驾驶情况越来越复杂,人们对高级辅 助驾驶系统的需要也随之上升。其中,就包括汽车能够自主识别出前车是否将 进行变道或刹车操作,从而为汽车自身减速或避让做好准备。由于车辆的尾灯 有转向信号灯和刹车信号灯,因此可以通过自主识别出转向信号灯是否闪烁或 刹车信号灯是否点亮来判断前车是否将变道或刹车。因此,对车道尾灯的识别 以及其状态判断极其重要。当前主流的卷积神经网络识别方法仅在静态图片中 有较好性能表现,而在动态视频中因为检查速度过慢而导致性能表现不能满足 技术需求。YOLO神经网络将整张图片分割成若干网格,然后每个单独的网格 直接预测车辆所在位置的边界框和物体为车辆的概率。YOLO神经网络法具有 较快的识别速率和对大目标具有较高的识别率,适用于视频识别。

  本发明要解决的技术问题在于,提供一种识别前方车辆尾灯及判断其状态 的方法。

  本发明解决其技术问题所采用的技术方案是:构造一种识别前方车辆尾灯 及判断其状态的方法,包括以下步骤:

  步骤S010,将车载摄像头视频输入经过训练的YOLO神经网络1,识别 出视频中的车辆;

  步骤S020,将YOLO神经网络1识别出的车辆输入YOLO神经网络2, 识别出车辆的尾灯;

  步骤S030,每间隔多个帧图片获取一次尾灯的HSV值,计算相邻两次 HSV值的差值是否大于阈值,若差值大于阈值,则车辆尾灯的转向信号灯闪 烁或刹车信号灯点亮,进而判断前车将进行刹车或换道操作,若差值小于阈值, 则车辆尾灯的转向信号灯不闪烁且刹车信号灯不亮,进而判断前车没有进行刹 车及换道操作。

  在上述步骤S010和步骤S020中,所述YOLO神经网络1和YOLO神经 网络2的训练方法包括以下步骤:首先在完整的车载摄像头图片上标注出其中 的车辆,组成训练样本集1;然后将训练样本集1中标注的汽车分别剪切出来, 并在其中标注出尾灯,组成训练样本集2;采用随机梯度下降法训练所述YOLO 神经网络1和YOLO神经网络2,并将训练样本集1用于所述YOLO神经网 络1的训练,将训练样本集2用于所述YOLO神经网络2的训练,训练完成 后得到用于测试的图片。

  从车载摄像头图片上标注出车辆以及从训练样本集1中标注尾灯的过程 如下:输入图像被YOLO神经网络划分为S×S的网格,每个网络预测是否有 物体的中心落入其内部,若预测结果为是,则该网格预测出B个检测边界框 以及每个检测边界框的置信度,置信度反映预测边界框对其框选出物体的自信 程度,置信度的计算公式为:

  (1)式和(2)式中,Pr(Object)为边界框包含目标物体的概率,BBgt为基于训练标签的参考标准框;BBdt为检测边界框;area表示边界面积;

  每个检测边界框包含5个参数:x,y,w,h以及confidence,(x,y)代表 检测边界框的中心相对其母网格的位置,(w,h)为检测边界框中心相对于整张 图像的位置;

  每个网格还预测C个类别概率,即Pr(ClassiObject),其表示第i类物体 中心落入该网格的概率,C为类别数量且与B无关,输出层输出S×S(B×5+C) 维的张量;

  YOLO神经网络采用误差平方和作为损失函数,在输出层S×S个网格中, 每个网格输出(B×5+C)维数据,其中包含检测边界框坐标位置信息B×4维, 检测边界框置信度B×1维,类别数量C维,YOLO神经网络将B×4维的定位 误差和B×1维的置信度误差设定更大的权重λcoord=5,将不包含物体中心的网 格的置信度误差设定更小的权重λnoobj=0.5,C维分类误差和包含物体中心的网 格的置信度误差则保持不变;

  YOLO神经网络规定每个检测边界框只负责框选一个物体,计算当前检测 边界框与所有参考标准框的IOU值,其中最大IOU值对应的物体即当前检测 边界框负责框选的物体;

  (3)式中,Ii表示是否有物体中心落入网格i中,若有则Ii=1,反之为0, Iij表示判断网格i中第j个检测边界框是否负责该物体,若是则为1,反之为0。

  本发明能够实现道路中的车辆识别并判断其是否刹车或变道,识别速率和 准确率较高,既适用于图片,也适用于视频,因而具有广阔的应用前景。

  为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详 细说明本发明的具体实施方式。

  如图1所示,本发明提供一种识别前方车辆尾灯及判断其状态的方法,包 括以下步骤:

  步骤S010,将车载摄像头视频输入经过训练的YOLO神经网络1,识别 出视频中的车辆。

  步骤S020,将YOLO神经网络1识别出的车辆输入YOLO神经网络2, 识别出车辆的尾灯。在步骤S010和步骤S020中,YOLO神经网络1和YOLO 神经网络2的训练方法包括以下步骤:首先在完整的车载摄像头图片上标注出 其中的车辆,组成训练样本集1;然后将训练样本集1中标注的汽车分别剪切 出来,并在其中标注出尾灯,组成训练样本集2;采用随机梯度下降法训练 YOLO神经网络1和YOLO神经网络2,并将训练样本集1用于YOLO神经 网络1的训练,将训练样本集2用于YOLO神经网络2的训练,训练完成后 得到用于测试的图片。

  步骤S030,每间隔多个帧图片获取一次尾灯的HSV值,计算相邻两次 HSV值的差值是否大于阈值,若差值大于阈值,则车辆尾灯的转向信号灯闪 烁或刹车信号灯点亮,进而判断前车将进行刹车或换道操作,若差值小于阈值, 则车辆尾灯的转向信号灯不闪烁且刹车信号灯不亮,进而判断前车没有进行刹 车及换道操作。

  YOLO神经网络属于卷积神经网络CNN,由卷积层、池化层和全连接层 组成。与CNN不同的是,本发明实施例中,我们用车载摄像头图像作为YOLO 神经网络的训练样本。值得注意的是,YOLO神经网络的训练样本和样本标签 与CNN存在不同之处,即YOLO神经网络的训练样本无需单独将每类样本从 图像中裁剪出,而可以直接将整张图像用于训练。同时,YOLO神经网络的样 本标签不仅注释样本类别信息还注释样本在图像中的位置信息。从车载摄像头 图片上标注出车辆以及从训练样本集1中标注尾灯的过程如下:输入图像被 YOLO神经网络划分为S×S的网格,每个网络预测是否有物体的中心落入其 内部。若某网格预测为是,则该网格再预测出B个检测边界框以及每个框的 置信度。其中,置信度反映了预测边界框对其框选出物体的自信程度。计算公 式为:

  (1)式和(2)式中,Pr(Object)为边界框包含目标物体的概率;BBgt 为基于训练标签的参考标准框;BBdt为检测边界框;area表示边界面积。

  每个检测边界框包含5个参数:x,y,w,h以及confidence。(x,y)代表 检测边界框的中心相对其母网格的位置。(w,h)为检测边界框中心相对于整张 图像的位置。同时,每个网格还预测C个类别概率,即Pr(ClassiObject)。该 概率表示第i类物体中心落入该网格的概率。C为类别数量,与B无关。最终, 输出层输出S×S(B×5+C)维的张量。

  YOLO神经网络采用误差平方和作为损失函数。在输出层S×S个网格中, 每个网格输出(B×5+C)维数据,其中包含检测边界框坐标位置信息B×4维, 检测边界框置信度B×1维,类别数量C维。显然,将B×4维的定位误差、B×1 维的置信度误差和C维的分类误差同等对待是不合理的。另外,图像中存在 很多没有物体中心落入的网格,该类网格预测B个置信度为0检测边界框。 通常,这类网格在训练过程中的梯度会远大于包含物体中心的网格的梯度,导 致训练不稳定甚至发散。针对这两个问题,YOLO神经网络将B×4维的定位 误差和B×1维的置信度误差设定更大的权重λcoord=5,将不包含物体中心的网 格的置信度误差设定更小的权重λnoobj=0.5,C维分类误差和包含物体中心的网 格的置信度误差则保持不变。

  关于定位误差,检测边界框对图像的定位误差比对母网格的定位误差更敏 感。因此,YOLO神经网络用和代替w和h。最后,YOLO神经网络规 定每个检测边界框只负责框选一个物体。具体做法是计算当前检测边界框与所 有参考标准框的IOU值,其中最大IOU值对应的物体即当前检测边界框负责 框选的物体。YOLO的损失函数形式具体如下:

  (3)式中,Ii表示是否有物体中心落入网格i中,若有则Ii=1,反之为0。 Iij表示判断网格i中第j个检测边界框是否负责该物体,若是则为1,反之为0。

  上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述 的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本 领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保 护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。


ag8亚洲只为非同凡响0

相关阅读

客服热线

汽车尾灯生产厂家13606107521
汽车尾灯生产厂家1145821709@qq.com
ag8亚洲只为非同凡响0 版权所有 © 2018 常州高美车辆配件有限公司 备案号:鲁ICP备12000492号 ag8亚洲只为非同凡响0主营:汽车大灯批发,汽车尾灯批发 技术支持:冉冉科技 | 网站地图