本发明提出一种挡风玻璃清晰度控制方法，步骤1：利用摄像头采集挡风玻璃图像、外部天气图像，利用温度传感器采集车内外温度数据。步骤2：计算单元分析步骤1中采集的挡风玻璃图像、天气图像，分析挡风玻璃清晰度是否超过阈值；结合内外温度传感器数据、各因素的权重，计算需要对挡风玻璃如何进行处理才能保持清晰度。步骤3：根据步骤2中计算单元的决策，将决策结果信息传递给雨刮器、空调等相关部件进行控制。
1.一种基于智能识别的车辆挡风玻璃清晰度控制方法，其特征在于，该方法包括：通过采集的挡风玻璃图像计算挡风玻璃清晰度，如果挡风玻璃清晰度不符合预设条件，根据天气类型识别的结果调节挡风玻璃的清晰度；
使用无监督学习的图像检测算法，对挡风玻璃连续帧进行检测，识别出图像中变化的区域标记为发生运动变化的区域；
利用玻璃颜色区域检测，对发生运动变化的区域进行视频连续帧中的颜色进行分析，通过在YUV颜色空间中使用基于阈值的方法来识别玻璃颜色区域，如果图像像素的亮度高于第一阈值，则将其标记为不清晰像素；
对标记为不清晰像素所在区域进行边缘、模糊度、几何形状、纹理特征值提取；提取的特征值通过贝叶斯模型进行分析计算得到挡风玻璃清晰度；
如果挡风玻璃清晰度不符合预设条件，根据天气的识别结果对挡风玻璃清晰度进行控制的具体方法如下：挡风玻璃清晰度不符合预设条件为：挡风玻璃清晰度小于第二阈值；
当天气识别结果为雨或雪天气类型时，控制打开雨刮器以预设的速度进行摆动；
当天气识别结果为雾或霜天气类型时，控制打开空调系统冷风或暖风，让玻璃内外温度达到一致；
当判断是塑料带或其它固态物体时，若塑料带或其它固态物体的面积超过阈值，提示用户是否停车。
2.根据权利要求1所述的一种基于智能识别的车辆挡风玻璃清晰度控制方法，其特征在于，天气类型识别的方法如下：通过神经网络模型对天气图像进行识别得到天气类型，所述神经网络模型是通过以下方法训练得到的：采集各种天气类型图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别天气类型的神经网络模型。
3.一种基于智能识别的车辆挡风玻璃清晰度控制系统，其特征在于，该系统包括如下模块：清晰度计算模块，通过采集的挡风玻璃图像计算挡风玻璃清晰度；
清晰度控制模块，如果挡风玻璃清晰度不符合预设条件时，根据天气类型识别的结果调节挡风玻璃的清晰度；
（2.1）使用无监督学习的图像检测算法，对挡风玻璃连续帧进行检测，识别出图像中变化的区域标记为发生运动变化的区域；
（2.2）利用玻璃颜色区域检测，对发生运动变化的区域进行视频连续帧中的颜色进行分析，通过在YUV颜色空间中使用基于阈值的方法来识别玻璃颜色区域，如果图像像素的亮度高于阈值，则将其标记为不清晰像素；
（2.3）对标记为不清晰像素所在区域进行边缘、模糊度、几何形状、纹理特征值提取；提取的特征值通过贝叶斯模型进行分析计算得到挡风玻璃清晰度；
挡风玻璃清晰度不符合预设条件为：挡风玻璃清晰度小于第二阈值；
当天气识别结果为雨或雪天气类型时，控制打开雨刮器以预设的速度进行摆动；
当天气识别结果为雾或霜天气类型时，控制打开空调系统冷风或暖风，让玻璃内外温度达到一致；
当天气识别结果为塑料带或其它固态物体类型时，若塑料带或其它固态物体的面积超过阈值，提示用户是否停车。
4.根据权利要求3所述的一种基于智能识别的车辆挡风玻璃清晰度控制系统，其特征在于，该系统还包括天气类型识别模块，该天气类型识别模块通过神经网络模型对采集的天气图像进行识别得到天气类型，所述神经网络模型是通过以下方法训练得到的：采集各种天气图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别天气类型的神经网络模型。
5.一种车辆，其特征在于，该车辆包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现权利要求1‑2任一项所述的一种基于智能识别的车辆挡风玻璃清晰度控制方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1‑2任一项所述的一种基于智能识别的车辆挡风玻璃清晰度控制方法的步骤。
一种基于智能识别的挡风玻璃清晰度控制方法与系统
技术领域
[0001] 本发明属于挡风玻璃识别领域，尤其涉及一种基于智能识别的挡风玻璃清晰度控制方法与系统。
背景技术
[0002] 汽车前挡玻璃与后挡玻璃的清晰度直接影响驾驶员视野，雨、雪、霜、雾、它方飞来的塑料袋等杂物都会影响到玻璃的清晰度。
[0003] 通过雨量传感器，可实现自动控制雨刷功能，当传感器检测到有雨水落到了挡风玻璃上，就对雨刷发出指令使其开始工作，自动调节雨刷来进行清洗，根据雨量的大小来调节雨刷的速度。但是目前的自动雨刷系统并不非常准确，雨刷器的开启与结束时间、刮水速度经常出现错误，很多用户直接关闭这个系统而使用手动。
[0004] 除了雨水会遮挡玻璃影响视野，还有霜和雾，但目前并没有自动控制系统可以完成自动除霜除雾，需要用户手动开启，然后才能进行除霜除雾。
[0005] 当前，还没有一套完整的玻璃清晰度控制系统，综合、全自动、安全、智能地保障驾驶视野。
[0006] 通过研究发现，现有技术存在以下缺点：
[0007] (1)不够准确与及时。雨刷自动开启的时间与速度都不够准确。
[0008] (2)不够智能，用户体验不够好。除霜除雾还需要手动，不够智能。
[0009] 控制方式操作复杂、不统一，有时要开启雨刮，有时要冷风，有时要开热风。但其实目的是一个：保持前挡/后挡玻璃清晰，不影响驾驶视野。
发明内容
[0010] 发明目的：为了更优地解决上述问题，也为驾驶人和乘车人提供更好的体验，帮助提高驾驶安全，本发明提供了一种基于智能识别的车辆挡风玻璃清晰度控制方法与系统，通过摄像头、感光传感等融合感知方案，感知玻璃的清晰度、覆盖物，再通过边缘与中央等计算单元，决策处理方式，通知各清洁设备进行控制，如雨刷清洗、空调加热或吹风。
[0011] 发明技术方案为：驾驶时，通过车外摄像头，可感知外部环境，如大雨、小雨、下雪、扫水车经过等；通过车内摄像头，获取前挡/后挡玻璃的清晰程度；如果清晰，则不处理；如果不清晰，通过图像分析、光感数据，判断不清晰的原因(覆盖物材质)与程度(面积大小)，从而采取对应手段，如通过雨刮喷水清洁，或空调吹风。
[0012] 本发明提出一种基于智能识别的车辆挡风玻璃清晰度控制方法，该方法包括：
[0013] 通过采集的挡风玻璃图像计算挡风玻璃清晰度和采集的天气图像进行天气类型识别；
[0014] 如果挡风玻璃清晰度不符合预设条件，根据天气的识别结果调节挡风玻璃的清晰度。
[0015] 进一步的，挡风玻璃清晰度的具体计算方法如下：
[0016] 使用无监督学习的图像检测算法，对挡风玻璃连续帧进行检测，识别出图像中变化的区域标记为发生运动变化的区域；
[0017] 利用玻璃颜色区域检测，对发生运动变化的区域进行视频连续帧中的颜色进行分析，通过在YUV颜色空间中使用基于阈值的方法来识别玻璃颜色区域，如果图像像素的亮度高于第一阈值，则将其标记为不清晰像素；
[0018] 对标记为不清晰像素所在区域进行边缘、模糊度、几何形状、纹理特征值提取；提取的特征值通过贝叶斯模型进行分析计算得到挡风玻璃清晰度。
[0019] 进一步的，通过采集的天气图像进行天气类型识别的方法如下：通过神经网络模型对天气图像进行识别得到天气类型，所述神经网络模型是通过以下方法训练得到的：采集各种天气类型图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别天气类型的神经网络模型。
[0020] 进一步的，如果挡风玻璃清晰度不符合预设条件，根据天气的识别结果对挡风玻璃清晰度进行控制的具体方法如下：
[0021] 挡风玻璃清晰度不符合预设条件为：挡风玻璃清晰度小于第二阈值；
[0022] 当天气识别结果为雨或雪天气类型时，控制打开雨刮器以预设的速度进行摆动；
[0023] 当天气识别结果为雾或霜天气类型时，控制打开空调系统冷风或暖风，让玻璃内外温度达到一致；
[0024] 当判断是塑料带或其它固态物体时，若塑料带或其它固态物体的面积超过阈值，提示用户是否停车。
[0025] 本发明还提出一种基于智能识别的车辆挡风玻璃清晰度控制系统，该系统包括如下模块：
[0026] 清晰度计算模块，通过采集的挡风玻璃图像计算挡风玻璃清晰度；
[0027] 天气类型识别模块，则通过采集的天气图像进行天气类型识别；
[0028] 清晰度控制模块，如果挡风玻璃清晰度不符合预设条件时，根据天气类型识别的结果调节挡风玻璃的清晰度。
[0029] 进一步的，清晰度计算模块功能如下：
[0030] 使用无监督学习的图像检测算法，对挡风玻璃连续帧进行检测，识别出图像中变化的区域标记为发生运动变化的区域；
[0031] 利用玻璃颜色区域检测，对发生运动变化的区域进行视频连续帧中的颜色进行分析，通过在YUV颜色空间中使用基于阈值的方法来识别玻璃颜色区域，如果图像像素的亮度高于阈值，则将其标记为疑似不清晰；
[0032] 对标记为不清晰像素所在区域进行边缘、模糊度、几何形状、纹理特征值提取；提取的特征值通过贝叶斯模型进行分析计算得到挡风玻璃清晰度。
[0033] 进一步的，天气类型识别模块通过神经网络模型对天气图像进行识别得到天气类型，所述神经网络模型是通过以下方法训练得到的：采集各种天气图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别天气类型的神经网络模型。
[0034] 进一步的，清晰度控制模块功能如下：
[0035] 挡风玻璃清晰度不符合预设条件为：挡风玻璃清晰度小于第二阈值；
[0036] 当天气识别结果为雨或雪天气类型时，控制打开雨刮器以预设的速度进行摆动；
[0037] 当天气识别结果为雾或霜天气类型时，控制打开空调系统冷风或暖风，让玻璃内外温度达到一致；
[0038] 当天气识别结果为塑料带或其它固态物体类型时，若塑料带或其它固态物体的面积超过阈值，提示用户是否停车。
[0039] 本发明还提出一种车辆，该车辆包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述一种基于智能识别的车辆挡风玻璃清晰度控制方法。
[0040] 本发明还提出一种计算机可读存储介质，所述计算机可读存储介质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一种基于智能识别的车辆挡风玻璃清晰度控制方法。
[0041] 有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：
[0042] 采用本发明的技术方案，更智能的解决方案，能够更快速高效地让玻璃保持清晰度，保障驾驶视野；同时，用户无需操心如何处理玻璃问题，用户体验更好。
附图说明
[0043] 图1：系统整体流程图。
[0044] 图2：流程结构示意图。
具体实施方式
[0045] 步骤1：感知挡风玻璃清晰度，采集数据。
[0046] 通过摄像头实时获取挡风玻璃图像、通过摄像头获取车外天气图像、通过内外温度传感器采集车内外温度，并将这些数据结果以消息方式发送给计算单元。
[0047] 步骤2：计算单元分析步骤1中的挡风玻璃图像、天气图像，分析挡风玻璃清晰度是否小于阈值；结合内外温度传感器数据计算需要如何进行处理。
[0048] 步骤2.1，分析玻璃清晰度。利用采集的挡风玻璃实时图像，即视频连续帧进行清晰度识别。
[0049] 挡风玻璃清晰度分析方法：使用无监督学习的图像检测算法，对挡风玻璃连续帧进行检测，识别出图像中变化的区域标记为发生运动变化的区域；
[0050] 利用玻璃颜色区域检测，对发生运动变化的区域进行视频连续帧中的颜色进行分析，通过在YUV颜色空间中使用基于阈值的方法来识别玻璃颜色区域，如果图像像素的亮度高于阈值，则将其标记为不清晰像素；
[0051] 对标记为不清晰区域进行边缘、模糊度、几何形状、纹理特征值提取；提取的特征值通过贝叶斯模型进行分析计算得到清晰度，当清晰度小于阈值时，判断为玻璃不清晰；
[0052] 当玻璃不清晰时，使用神经网络模型识别出玻璃不清晰类别，如雨、雪、雾、霜、泥、其它液体、塑料袋等。该神经网络模型是通过以下方法训练得到的：采集各种不清晰的挡风玻璃图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别挡风玻璃不清晰的类别。
[0053] 步骤2.2，识别外部天气类型。根据采集的天气图像，使用神经网络模型识别出是何种天气类型，如阴天、雨天、雪天、雾天、晴天、雪天等。
[0054] 该神经网络模型是通过以下方法训练得到的：采集各种天气图片，并对其进行标注形成数据集，以上述数据集训练神经网络模型得到识别天气类型的神经网络模型。
[0055] 步骤2.3，根据天气图像、玻璃图像分析结果，结合内外温度传感器数据，判断如果进行处理。
[0056] 如果玻璃清晰度在正常范围内，则不处理；
[0057] 当判断是雨、雪或其它液体时，通知打开雨刮器；
[0058] 当判断是雾/霜，结合内外温度，通知打开空调系统冷风或暖风。
[0059] 当判断是塑料带或其它固态物体时，若塑料带或其它固态物体的面积超过阈值，影响驾驶视野，通过显示设备或语音设备询问用户是否停车。
[0060] 对雨刮器、空调等相关部件进行控制。
[0061] 通过步骤2，将计算单元的决策通过消息传递至对应零部件控制器，开启、调节或关闭对应零部件。
[0062] 当需要打开雨刮器时，根据不清晰程度调节雨刮器摆动速度。
[0063] 当需要打开空调吹风时，调整吹方向指向玻璃，根据挡风璃内外温差调节空调吹冷风或暖风，让玻璃内外温度达到一致。
[0064] 当需要询问用户是否停车时，通过显示设备或语音设备向用户发出警报，通过图文显示或是声音询问用户是否停车。
[0065] 当判断玻璃从不清晰已经变为清晰时，停止对应操作。
