一种大型车辆右转弯安全性预警系统

摘要

本发明涉及一种大型车辆右转弯安全性预警系统，通过识别单元识别大型车辆并进行跟踪，以配合识别单元设置的一个或多个匹配单元对大型车辆的行驶路线进行匹配追踪，以设于道路交叉口处的提示单元提示过往车辆和行人大型车辆的存在，并以控制器控制识别单元、匹配单元和提示单元。本发明中，由识别单元和匹配单元协同工作，在大型车辆接近路口停止线前和右转弯时发出语音警告目标人物，从而降低因大型车盲区而导致人民生命财产的损失，保证了行车安全。

权利要求

1.一种大型车辆右转弯安全性预警系统，其特征在于：所述系统配合道路交叉口设置，所述道路交叉口包括右转车道和/或直行右转车道，所述右转车道对应右转入车道，直行右转车道对应右转入车道和直行驶入车道；

所述系统包括：

一识别单元，用于识别大型车辆并进行跟踪；

一个或多个匹配单元，配合识别单元设置，用于对大型车辆的行驶路线进行匹配追踪；

一提示单元，设于道路交叉口处，用于提示过往车辆和行人大型车辆的存在；

所述系统还包括配合识别单元设置的光线传感器，所述光线传感器与控制器配合设置；

所述识别单元、匹配单元和提示单元连接至控制器；

所述系统识别大型车辆并跟踪包括以下步骤：步骤1：判断光照强度，若光照强度大于等于预设值，则进行下一步，否则，直接进行步骤5；

步骤2：识别单元采集右转车道和/或直行右转车道的视频，获取连续帧的视频图像；

步骤3：取任一帧视频图像，获得前景区域；

步骤4：将前景区域输入识别网络，对完整的大型车辆进行识别并加入队列；

步骤5：获取匹配单元信息，对未标记的大型车辆进行标记并跟踪；提示单元开始工作；

持续跟踪已标记的大型车辆；

步骤6：当大型车辆依路线轨迹通过道路交叉口，基于匹配单元获取当前大型车辆的驶入车道，持续跟踪当前大型车辆直至当前大型车辆驶离道路交叉口；

步骤7：完成当前大型车辆的跟踪，返回步骤1。

2.根据权利要求1所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述识别单元包括1个或多个与控制器配合设置的电子眼，所述电子眼朝向道路交叉口设置。

3.根据权利要求2所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述电子眼包括设于道路交叉口处交通指示灯上的第一电子眼和第二电子眼，所述第一电子眼对准右转车道和/或直行右转车道，所述第二电子眼对准右转入车道。

4.根据权利要求1所述的一种大型车辆右转弯安全性预警系统，其特征在于：若光线传感器感测的光照强度大于等于预设值，则识别单元和匹配单元的置信度相等，共同检测道路交叉口的右转车道和/或直行右转车道的车辆；

若光线传感器感测的光照强度小于预设值，则匹配单元的置信度大于识别单元，对道路交叉口的右转车道和/或直行右转车道的车辆检测采用匹配单元结果。

5.根据权利要求1或4所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述匹配单元包括与控制器配合设置的重量传感器和/或信号收发机构。

6.根据权利要求5所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述重量传感器分布设于右转车道及右转入车道，或所述重量传感器分布设于道路交叉口的直行右转车道及对应的右转入车道和直行驶入车道；

所述信号收发机构设于大型车辆中。

7.根据权利要求1所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述步骤

3中，识别网络的建立包括以下步骤：步骤3.1：将识别单元设置于指定位置，以不同的角度采集不同的道路交叉口的采集连续帧视频图像；

步骤3.2：对采集的视频图像进行标记后，分为训练集和测试集；

步骤3.3：将训练集的视频图像进行复制，以其中一份进行N×M的网格切分，将训练集和切分后的视频图像输入识别网络进行深度学习；获得大型车辆的整体特征和区域点特征；

步骤3.4：将测试集的视频图像进行复制，以其中一份进行N×M的网格切分，将测试集和切分后的视频图像输入识别网络进行测试；基于测试结果调整识别网络参数，直至训练完成；

步骤3.5：建立识别网络。

8.根据权利要求1所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述步骤

5包括以下步骤：

步骤5.1：在当前帧获取匹配单元信息，对识别且未标记的大型车辆进行标记；

步骤5.2：在下一帧中，在当前帧的位置p外预设范围内采样，以训练好的目标分类器计算每一个采样点对应的响应值，取响应最强的采样作为下一帧的目标位置；

步骤5.3：以下一帧作为当前帧，重复步骤5.2，持续跟踪已识别并标记的大型车辆。

9.根据权利要求1所述的一种大型车辆右转弯安全性预警系统，其特征在于：所述提示单元包括配合控制器的输出端设置的声光提示机构和/或显示屏。

说明书

一种大型车辆右转弯安全性预警系统

技术领域

[0001] 本发明涉及道路车辆的交通控制系统的技术领域，特别涉及一种大型车辆右转弯安全性预警系统。

背景技术

[0002] 内轮差是车辆转弯时内前轮转弯半径与内后轮转弯半径的差，对大型车辆，如牵引车来说，则是内前轮与挂车的内后轮转弯半径之差。由于内轮差的存在，车辆在转弯时，
其前、后车轮的运动轨迹是不重合的，而车身越长，形成的“轮差”越大，“内轮差”的范围也
会跟着扩大。对于水泥罐车这种大型工程车来说，由于车身都比较长，在其车头转过去后，
还会有很长的车身没有转入到对应的车道，而大多数行人、非机动车等在遇到转弯的大型
车辆时，往往紧贴转弯车辆，以为车头能通过就安全了，事实上，即使前车身通过了，由于轮
差面积的存在，其后车身照样可能将其卷入车轮之下。

[0003] 除此之外，现存城市的大部分路口中，右转都是不用看红绿灯的，即在红灯时也可以右转，对于这类大型车辆来说，视觉盲区也是造成事故的因素，而大型车辆由于其车身
高、体积大、轴距长，在转弯时驾驶员视线会产生盲区，在盲区范围内驾驶员无法观测到行
人、非机动车等，如果行人进入了驾驶员的视觉盲区，就很容易发生危险，威胁到人们的生
命与财产安全。

[0004] 还有更麻烦的情况是，行人的安全意识淡薄，认为车辆前轮过去了就应该没有危险，没有认识到内轮差的存在，对大型车辆的盲区也没有合理的认识与判断，从而经常发生
行人或骑行人员被卷入车底而造成伤亡的交通事故。

发明内容

[0005] 本发明解决了现有技术中存在的问题，提供了一种优化的大型车辆右转弯安全性预警系统，能够在大型车辆接近路口停止线前和右转弯时，提示目标人物，从而降低因大型
车盲区而导致人民生命财产的损失，保证了行车安全。

[0006] 本发明所采用的技术方案是，一种大型车辆右转弯安全性预警系统，所述系统配合道路交叉口设置，所述道路交叉口包括右转车道和/或直行右转车道，所述右转车道对应
右转入车道，直行右转车道对应右转入车道和直行驶入车道；

[0007] 所述系统包括：

[0008] 一识别单元，用于识别大型车辆并进行跟踪；

[0009] 一个或多个匹配单元，配合识别单元设置，用于对大型车辆的行驶路线进行匹配追踪；

[0010] 一提示单元，设于道路交叉口处，用于提示过往车辆和行人大型车辆的存在；

[0011] 所述识别单元、匹配单元和提示单元连接至控制器。

[0012] 优选地，所述识别单元包括1个或多个与控制器配合设置的电子眼，所述电子眼朝向道路交叉口设置。

[0013] 优选地，所述电子眼包括设于道路交叉口处交通指示灯上的第一电子眼和第二电子眼，所述第一电子眼对准右转车道和/或直行右转车道，所述第二电子眼对准右转入车
道。

[0014] 优选地，所述系统还包括配合识别单元设置的光线传感器，所述光线传感器与控制器配合设置；

[0015] 若光线传感器感测的光照强度大于等于预设值，则识别单元和匹配单元的置信度相等，共同检测道路交叉口的右转车道和/或直行右转车道的车辆；

[0016] 若光线传感器感测的光照强度小于预设值，则匹配单元的置信度大于识别单元，对道路交叉口的右转车道和/或直行右转车道的车辆检测采用匹配单元结果。

[0017] 优选地，所述匹配单元包括与控制器配合设置的重量传感器和/或信号收发机构。

[0018] 优选地，所述重量传感器分布设于右转车道及右转入车道，或所述重量传感器分布设于道路交叉口的直行右转车道及对应的右转入车道和直行驶入车道；

[0019] 所述信号收发机构设于大型车辆中。

[0020] 优选地，所述系统识别大型车辆并跟踪包括以下步骤：

[0021] 步骤1：判断光照强度，若光照强度大于等于预设值，则进行下一步，否则，直接进行步骤5；

[0022] 步骤2：识别单元采集右转车道和/或直行右转车道的视频，获取连续帧的视频图像；

[0023] 步骤3：取任一帧视频图像，获得前景区域；

[0024] 步骤4：将前景区域输入识别网络，对完整的大型车辆进行识别并加入队列；

[0025] 步骤5：获取匹配单元信息，对未标记的大型车辆进行标记并跟踪；提示单元开始工作；持续跟踪已标记的大型车辆；

[0026] 步骤6：当大型车辆依路线轨迹通过道路交叉口，基于匹配单元获取当前大型车辆的驶入车道，持续跟踪当前大型车辆直至当前大型车辆驶离道路交叉口；

[0027] 步骤7：完成当前大型车辆的跟踪，返回步骤1。

[0028] 优选地，所述步骤3中，识别网络的建立包括以下步骤：

[0029] 步骤3.1：将识别单元设置于指定位置，以不同的角度采集不同的道路交叉口的采集连续帧视频图像；

[0030] 步骤3.2：对采集的视频图像进行标记后，分为训练集和测试集；

[0031] 步骤3.3：将训练集的视频图像进行复制，以其中一份进行N×M的网格切分，将训练集和切分后的视频图像输入识别网络进行深度学习；获得大型车辆的整体特征和区域点
特征；

[0032] 步骤3.4：将测试集的视频图像进行复制，以其中一份进行N×M的网格切分，将测试集和切分后的视频图像输入识别网络进行测试；基于测试结果调整识别网络参数，直至
训练完成；

[0033] 步骤3.5：建立识别网络。

[0034] 优选地，所述步骤5包括以下步骤：

[0035] 步骤5.1：在当前帧获取匹配单元信息，对识别且未标记的大型车辆进行标记；

[0036] 步骤5.2：在下一帧中，在当前帧的位置p外预设范围内采样，以训练好的目标分类器计算每一个采样点对应的响应值，取响应最强的采样作为下一帧的目标位置；

[0037] 步骤5.3：以下一帧作为当前帧，重复步骤5.2，持续跟踪已识别并标记的大型车辆。

[0038] 优选地，所述提示单元包括配合控制器的输出端设置的声光提示机构和/或显示屏。

[0039] 本发明提供了一种优化的大型车辆右转弯安全性预警系统，通过识别单元识别大型车辆并进行跟踪，以配合识别单元设置的一个或多个匹配单元对大型车辆的行驶路线进
行匹配追踪，以设于道路交叉口处的提示单元提示过往车辆和行人大型车辆的存在，并以
控制器控制识别单元、匹配单元和提示单元。

[0040] 本发明中，由识别单元和匹配单元协同工作，在大型车辆接近路口停止线前和右转弯时发出语音警告目标人物，从而降低因大型车盲区而导致人民生命财产的损失，保证
了行车安全。

附图说明

[0041] 图1为本发明的系统结构示意图，其中，箭头表示信号传输的方向；

[0042] 图2为本发明中，在包括右转车道的道路交叉口设置以第一电子眼和第二电子眼为识别单元、以重量传感器和信号收发机构为匹配单元、以声光提示机构和显示屏为提示
单元时的结构示意图，其中，箭头表示车辆可转方向；

[0043] 图3为本发明中，在包括直行右转车道的道路交叉口设置以第一电子眼和第二电子眼为识别单元、以重量传感器和信号收发机构为匹配单元、以声光提示机构和显示屏为
提示单元时的结构示意图，其中，箭头表示车辆可转方向；

[0044] 图4为本发明中系统识别大型车辆并跟踪的流程图。

具体实施方式

[0045] 下面结合实施例对本发明做进一步的详细描述，但本发明设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

[0046] 本发明涉及一种大型车辆右转弯安全性预警系统，所述系统配合道路交叉口设置，所述道路交叉口包括右转车道11和/或直行右转车道12，所述右转车道11对应右转入车
道13，直行右转车道12对应右转入车道13和直行驶入车道14。

[0047] 本发明中，大型车辆1以交管部门的划分为主，一般来说，大型车辆1包括但不限于普通大客车、中型以上载货汽车及大型专用汽车等，一般使用尺寸前小后大、黄底黑字的汽
车号牌。

[0048] 本发明中，系统主要针对道路交叉口的右转车道11及直行右转车道12工作，右转车道11仅供右转，对应有右转入车道13，直行右转车道12可以直行亦可以右转，对应有右转
入车道13和直行驶入车道14；正常情况下，大型车辆1通过右转入车道13及直行驶入车道14
的路口约20‑100米后即可以取消右转弯安全性预警，故识别和跟踪也限制在右转车道11及
直行右转车道12的道路交叉口朝向来车方向预设长度如200米至右转入车道13及直行驶入
车道14的道路交叉口朝向去车方向约20‑100米。

[0049] 所述系统包括：

[0050] 一识别单元，用于识别大型车辆1并进行跟踪；

[0051] 所述识别单元包括1个或多个与控制器配合设置的电子眼，所述电子眼朝向道路交叉口设置。

[0052] 所述电子眼包括设于道路交叉口处交通指示灯2上的第一电子眼3和第二电子眼4，所述第一电子眼3对准右转车道11和/或直行右转车道12，所述第二电子眼4对准右转入
车道13。

[0053] 一个或多个匹配单元，配合识别单元设置，用于对大型车辆1的行驶路线进行匹配追踪；

[0054] 所述匹配单元包括与控制器配合设置的重量传感器5和/或信号收发机构6。

[0055] 所述重量传感器5分布设于右转车道11及右转入车道13，或所述重量传感器5分布设于道路交叉口的直行右转车道12及对应的右转入车道13和直行驶入车道14；

[0056] 所述信号收发机构6设于大型车辆1中。

[0057] 一提示单元，设于道路交叉口处，用于提示过往车辆和行人大型车辆1的存在；

[0058] 所述提示单元包括配合控制器的输出端设置的声光提示机构7和/或显示屏8。

[0059] 所述识别单元、匹配单元和提示单元连接至控制器。

[0060] 所述系统还包括配合识别单元设置的光线传感器，所述光线传感器与控制器配合设置；

[0061] 若光线传感器感测的光照强度大于等于预设值，则识别单元和匹配单元的置信度相等，共同检测道路交叉口的右转车道11和/或直行右转车道12的车辆；

[0062] 若光线传感器感测的光照强度小于预设值，则匹配单元的置信度大于识别单元，对道路交叉口的右转车道11和/或直行右转车道12的车辆检测采用匹配单元结果。

[0063] 本发明中，识别单元一般为电子眼，用于监测右转车道11及与其成直角的车道的大型车辆1；匹配单元可以为重量传感器5或信号收发机构6，主要用于监测右转车道11及其
可能驶入的其他车道所行驶的车辆，并在弱光情况下作为主要识别/跟踪单元存在。

[0064] 本发明中，识别单元基于深度学习对右转弯车辆进行检测，可根据电子眼的视野范围的大小对电子眼的数量进行调整，一般为2个，分别监视右转车道11及右转入车道13；
重量传感器5在只可右转的车道需至少安装两个，在既可右转又可直行的车道则应当至少
安装三个，其一般安装于道路右转车道11停止线前数米处的地下数厘米，具体安装深度可
根据重量传感器5型号要求来确定；信号收发机构6可以为RFID天线及芯片或是如红外信号
发生器、距离传感器等机构，用于标识每个特定的车辆，可以有助于快速获知车辆信息，但
由于其成本较高、易损坏，故不作为优先选择的方案。

[0065] 本发明中，显而易见地，对于设置在大型车辆1内的信号收发机构6，在道路交叉口的预设位置必然设置有配对的机构。

[0066] 本发明中，若有大型车辆1进入到预设的区域，则控制器控制提示单元发出报警信息，以达到提醒目标人物的目的，目标人物包括行人和骑行人员等；提示单元不止可以发出
声音提示，在其中还可以设置一个显示屏8、播放对应的信息，可以从视觉和听觉双重刺激
目标人物的感官神经，提高目标人物的安全意识，从而可有效减少交通事故的发生，也考虑
到了听障人士和视障人士的应用及安全。

[0067] 本发明中，当大型车辆1进入右转的路口的拐角位置时，进行语音预警，离开则停止语音预警；当大型车进入直行右转车道12后直行，则停止语音预警。

[0068] 本发明中，控制器，如中央处理器，用于接收车辆图像信息或车辆重量信息，并进行处理分析。

[0069] 本发明中，识别单元和匹配单元的使用各有盲区，故虽可以单独使用，但在特定的条件下应当结合进行双重判断。

[0070] 本发明中，当光线充足的情况下，识别单元传输视频图像至控制器，基于深度学习对图像进行处理分析，若判定该车辆为大型车辆1则控制器控制提示单元发出语音警报；而
一般大型车辆1相对于小型汽车来说其重量比较大，故当汽车进入到指定车道时，重量传感
器5检测所驶过车辆的重量，并将该信号传递至控制器，若测得的车辆重量超出预设范围，
则控制器可判定为有大型车辆1通过，控制提示单元发出警报；

[0071] 当光线不充足的情况下，通过视觉检测大型车辆1将受到光线的影响而产生误判、漏判右转车道11中行驶的大型车辆1，故识别单元的置信度降低，而匹配单元一般不会受到
光线的影响，有较强的的鲁棒性，故基于两者的置信度调整两者的权重，提高检测精度。

[0072] 所述系统识别大型车辆1并跟踪包括以下步骤：

[0073] 步骤1：判断光照强度，若光照强度大于等于预设值，则进行下一步，否则，直接进行步骤5；

[0074] 本发明中，在光照强度大于等于预设值的情况下，也根据光照强度的由大到小、识别单元的置信度由大到小。

[0075] 步骤2：识别单元采集右转车道11和/或直行右转车道12的视频，获取连续帧的视频图像；

[0076] 步骤3：取任一帧视频图像，获得前景区域；

[0077] 所述步骤3中，识别网络的建立包括以下步骤：

[0078] 步骤3.1：将识别单元设置于指定位置，以不同的角度采集不同的道路交叉口的采集连续帧视频图像；

[0079] 步骤3.2：对采集的视频图像进行标记后，分为训练集和测试集；

[0080] 步骤3.3：将训练集的视频图像进行复制，以其中一份进行N×M的网格切分，将训练集和切分后的视频图像输入识别网络进行深度学习；获得大型车辆1的整体特征和区域
点特征；

[0081] 步骤3.4：将测试集的视频图像进行复制，以其中一份进行N×M的网格切分，将测试集和切分后的视频图像输入识别网络进行测试；基于测试结果调整识别网络参数，直至
训练完成；

[0082] 步骤3.5：建立识别网络。

[0083] 本发明中，获得的前景区域图像可能包括多辆叠设的车，在纵向上选择感兴趣区域内的部分。

[0084] 步骤4：将前景区域输入识别网络，对完整的大型车辆1进行识别并加入队列；

[0085] 步骤5：获取匹配单元信息，对未标记的大型车辆1进行标记并跟踪；提示单元开始工作；持续跟踪已标记的大型车辆1；

[0086] 所述步骤5包括以下步骤：

[0087] 步骤5.1：在当前帧获取匹配单元信息，对识别且未标记的大型车辆1进行标记；

[0088] 步骤5.2：在下一帧中，在当前帧的位置p外预设范围内采样，以训练好的目标分类器计算每一个采样点对应的响应值，取响应最强的采样作为下一帧的目标位置；

[0089] 步骤5.3：以下一帧作为当前帧，重复步骤5.2，持续跟踪已识别并标记的大型车辆1。

[0090] 本发明中，基于匹配单元的信息，可以确定当前识别的大型车辆1的信息，如重量信息、标识信息等，基于此信息进行大型车辆1的绑定，对于识别及跟踪的运算量要求降低，
且跟踪的准确性更高、易于追踪。

[0091] 步骤6：当大型车辆1依路线轨迹通过道路交叉口，基于匹配单元获取当前大型车辆1的驶入车道，持续跟踪当前大型车辆1直至当前大型车辆1驶离道路交叉口；

[0092] 本发明中，“驶离道路交叉口”是指离开系统的采集数据的范围。

[0093] 步骤7：完成当前大型车辆1的跟踪，返回步骤1。

[0094] 本发明中，采集大量的前期数据，为了更适用红绿灯路口场景下的车辆目标检测,将车辆目标分为小车(Car)、客车(Bus)和卡车(Truck)，其中客车和卡车归类为大型车辆1，
小车归类为小型车辆；数据集一般来自于真实的公路监控视频，在视频中截取多张图片作
为数据集；图片数量应大于5000张，作深度学习的训练样本集，并通过LamImage工具对目标
车辆进行位置标注，对类别用标签进行区分；将制作好的数据集输入深度学习网络进行训
练，具体训练过程为本领域常规技术，本领域技术人员可以依据需求自行设置。

[0095] 本发明中，将视频图像在识别的过程中同时分成N×M个网格，并对每个网格内的图像以深度学习网络进行识别，获得检测结点集Nw，随后对位于非感兴趣区域内的检测结
点进行筛除，获得检测结点集Nq，进而可以通过NMS非极大值抑制，对检测结点集Nq中的所有
结点以输出框的形式进行识别输出并跟踪，在网络训练过程中也可以得到较为准确的结
果，使得不仅可以独立识别大型车辆1，同时可以基于大型车辆1的细节点进行精准识别。

[0096] 本发明中，在识别跟踪的过程中主要针对完整被识别的大型车辆1，因为默认被遮挡的车辆会存在完整的时刻，但存在一种情况，车辆被行人及非机动车辆遮挡，此时就需要
根据大型车辆1的区域点特征进行识别，得到完整的识别对象。

[0097] 本发明中，具体来说，车辆的识别可以由YOLOv3网络完成，具有实时性高、检测精度高的特点，适用于对大型车辆1的检测；YOLOv3通过读取视频，识别出进入指定区域的车
辆，并对目标区域进行跟踪；车辆的跟踪则以KCF算法跟踪进入区域内的大型车辆1，若目标
未离开检测区域，持续跟踪目标，当目标离开检测区域时停止跟踪。

[0098] 本发明中，识别的过程先将输入图像分成若干个网格，每个网格检测中心落在其中的对象目标，并预测表框及相应的置信得分，置信得分表示一个边框含有对象目标的可
信程度和精确程度多大；由于划分格子的大小将影响识别的精度，当划分的单位格较小时
更适宜于检测较大的物体，反之则适用于检测较小的物体，由于主要的检测对象为大型车
辆1，故可将划分的格数选择为较小的值，具体数值可根据实际情况而确定，最后通过NMS非
极大值抑制筛选输出框，输出框使用非极大值抑制对多个预测边框和多个类别得分，得到
最终的目标的边框位置和类别信息；在使用Yolov3对当前帧图像进行大型车辆1目标检测
后，对识别的点进行筛选，对筛选后的节点进行跟踪。

[0099] 本发明中，以循环矩阵增加正负训练样本，利用脊回归训练目标检测器，进而在跟踪过程中，以训练的目标分类器计算每一个采样对应的响应值，取响应最强的采样作为待
跟踪的目标位置；通过提取目标的特征在目标跟踪过程中训练一个目标检测器，利用目标
检测器在下一帧图像中判别预测位置是否是目标，然后再用新的检测结果更新目标检测
器。