【技术实现步骤摘要】
本专利技术涉及行车记录仪，更具体地说，它涉及低可视度行车记录仪预警方法、系统、介质及计算机。
技术介绍
1、行车记录仪采用可见光传感器采集车辆前方图像，经过图像处理后保存在存储介质的同时，也可通过算法检测前方行人和车辆，提高驾驶安全。但在一些夜晚无光或大雾等场景下，可见光无法显示前方行人和车辆，检测算法失效。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供低可视度行车记录仪预警方法、系统、介质及计算机，以克服现有的技术中存在的行车记录仪不能在低可视度的情况下检测到前方车辆或者行人的缺点。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：低可视度行车记录仪预警方法，包括：
3、s1、利用可见光摄像头拍摄第一视频画面；
4、s2、判断所述第一视频画面的是否处于低照度环境，若是，利用红外摄像头拍摄第二视频画面；若否，则根据所述第一视频画面判断是否处于雾天环境，若是，利用红外摄像头拍摄第二视频画面；
5、s3、将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，若是，则判断第二视频画面中的行人或者车辆是否处于预设的警戒范围内，若是，则发出警报进行预警。
6、可选的，所述判断所述第一视频画面的是否处于低照度环境，包括：
7、s11、对所述第一视频画面进行灰度处理，得到尺寸为w×h，灰度值介于0～255的第一灰度图；
8、s1
9、s13、计算所述第一灰度图的灰度总值a，包括：
10、s14、计算所述第一灰度图的灰度平均值包括：
11、s15、判断所述灰度平均值是否小于预设的灰度阈值t1；若是，则判定所述所述第一视频画面的处于低照度环境。
12、可选的，所述根据所述第一视频画面判断是否处于雾天环境，包括：
13、s16、对所述第一视频画面进行灰度处理，得到尺寸为w×h，灰度值介于0～255的第一灰度图；
14、s17、获取第一灰度图中的非天空的部分，记作第二灰度图；
15、s18、获取第二灰度图中所有灰度值大于128的像素数量n，判断所述像素数量n是否大于等于预设的像素数量阈值t2；若是，则判定处于雾天环境。
16、可选的，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，包括：
17、将所述第二视频画面输入到预先训练好的yolo v5目标检测神经网络模型中进行检测，得到对应的检测结果；所述第二视频画面为黑白图像；
18、根据所述检测结果，判断所述第二视频画面中是否存在行人轮廓，若是，则判定第二视频画面中存在行人；
19、根据所述检测结果，判断所述第二视频画面中是否存在汽车轮胎，若是，则判定第二视频画面中存在车辆。
20、可选的，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，还包括：
21、在所述第二视频画面中存在汽车轮胎的情况下，分别利用第一边界框和第二边界框框选两个汽车轮胎，得到对应的第一边界框信息(x1,y1,w1,h1)和第二边界框信息(x2,y2,w2,h2)；
22、根据所述第一边界框信息(x1,y1,w1,h1)计算第一边界框对应的第一中心点坐标根据所述第二边界框信息(x2,y2,w2,h2)计算第二边界框对应的第二中心点坐标
23、计算所述第一中心点坐标和第二中心点坐标之间的距离d，包括：
24、
25、根据预设的第一距离阈值d1和第二距离阈值d2，判断距离d是否满足：
26、d1≤d≤d2；
27、若是，则根据所述第一边界框信息(x1,y1,w1,h1)计算第一边界框对应的第一面积s1，包括：s1＝w1×h1；根据所述第二边界框信息(x2,y2,w2,h2)计算第二边界框对应的第二面积s2，包括：s2＝w2×h2；
28、根据第一面积s1以及第二面积s2，计算面积比例r，包括：在s1<s2的情况下，在s1>s2的情况下，
29、判断r是否大于等于预设的比例阈值r，若是，则判定所述第一边界框和第二边界框框选的两个轮胎属于同一辆汽车。
30、可选的，所述判断第二视频画面中的行人或者车辆是否处于预设的警戒范围内，包括：
31、获取行人或者车辆的物理宽度width、行车记录仪的摄像头的焦距f以及行人或者车辆在第二视频画面中所占的像素宽度p，计算行车记录仪距离行人或者车辆的距离distance，包括：
32、distance＝(f*width)/p；
33、判断所述距离distance是否小于等于预设的距离预警阈值t3，若是，则判定第二视频画面中的行人或者车辆处于预设的警戒范围内。
34、可选的，所述比例阈值r＝0.85。
35、低可视度行车记录仪预警系统，包括：
36、可见光画面拍摄模块：用于利用可见光摄像头拍摄第一视频画面；
37、环境判断模块：用于判断所述第一视频画面的是否处于低照度环境，若是，利用红外摄像头拍摄第二视频画面；若否，则根据所述第一视频画面判断是否处于雾天环境，若是，利用红外摄像头拍摄第二视频画面；
38、风险预警模块：用于将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，若是，则判断第二视频画面中的行人或者车辆是否处于预设的警戒范围内，若是，则发出警报进行预警。
39、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
40、一种计算机设备,包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
41、综上所述，本专利技术具有以下有益效果：本申请通过设置一个能够同时拍摄的红外摄像头，在实际使用行车记录仪的过程中，能够在低照度的环境或者雾天低可视度的环境下，对行车过程进行拍摄，还能够通过拍摄到的红外视频检测前方是否有车辆或者行人，并且根据视频判断前方车辆或者行人是否处于预警区域，若是，则发出警报进行预警，本申请的预警方法，不会受到低可视度环境的影响，具有与正常可视度环境相当的灵敏度。
本文档来自技高网...【技术保护点】
1.低可视度行车记录仪预警方法，其特征在于，包括：
2.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述判断所述第一视频画面的是否处于低照度环境，包括：
3.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述根据所述第一视频画面判断是否处于雾天环境，包括：
4.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，包括：
5.根据权利要求4所述的低可视度行车记录仪预警方法，其特征在于，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，还包括：
6.根据权利要求5所述的低可视度行车记录仪预警方法，其特征在于，所述判断第二视频画面中的行人或者车辆是否处于预设的警戒范围内，包括：
7.根据权利要求6所述的低可视度行车记录仪预警方法，其特征在于，所述比例阈值R＝0.85。
8.低可视度行车记录仪预警
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.低可视度行车记录仪预警方法，其特征在于，包括：
2.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述判断所述第一视频画面的是否处于低照度环境，包括：
3.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述根据所述第一视频画面判断是否处于雾天环境，包括：
4.根据权利要求1所述的低可视度行车记录仪预警方法，其特征在于，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频画面中是否存在行人或者车辆，包括：
5.根据权利要求4所述的低可视度行车记录仪预警方法，其特征在于，所述将所述第二视频画面输入到预先训练好的目标检测神经网络模型中进行检测，判断第二视频...
【专利技术属性】
技术研发人员：梁仲文，区炳煜，李标，
申请(专利权)人：广州勘帝德电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。