CN110310387A - 一种基于yolo物象识别的智能行车记录仪、系统及车辆 - Google Patents

Abstract

本发明公开了一种基于YOLO物象识别的智能行车记录仪、系统及车辆，包括：第一摄像头、第二摄像头、第一芯片、第二芯片、语音转化芯片、图像处理器、数据库服务器、WIFI模块、车载音响。首先由第一摄像头和第二摄像头采集图像，然后第一芯片通过YOLO物象识别算法对经过图像处理器处理的图像进行识别，得到物象识别结果；第二芯片对采集的图像进行测距处理，得到测距结果。得到的物象识别结果和测距结果传输至语音转化芯片，由所述语音转化芯片进行处理，输出语音至车载音响，有效的提升车主驾驶安全性，减少事故的发生率。

Description

一种基于YOLO物象识别的智能行车记录仪、系统及车辆

技术领域

本发明涉及安全驾驶领域，尤其涉及一种基于YOLO物象识别的智能行车记录仪。

背景技术

现在消费者对汽车安全性的重视度越来越高，先进驾驶辅助系统的应用也一直保持持续发展的趋势。ADAS高级驾驶辅助系统，就是目前市场上最受欢迎的主动安全技术之一。ADAS高级驾驶辅助系统是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。

目前存在的问题是，很难做出高质量的ADAS，因为ADAS往往需要专用的摄像头，而且对系统主体性能要求也很高，现有行车记录仪上ADAS效果不是很好，因为行车记录仪用的是广角摄像头，有效距离很短、成像效果也比较差，难以达到预期的作用，并且对小物体的识别效果也比较差。

发明内容

有鉴于此，本发明的目的在于提供一种基于YOLO物象识别的智能行车记录仪、系统及车辆，以解决目前市场上行车记录仪的摄像头拍摄的有效距离短、成像效果差、小物体识别效果差的问题，有效的提升车主驾驶安全性，减少事故的发生率。

本发明通过下述技术方案解决前述技术问题：

本发明第一实施例提供了一种基于YOLO物象识别的智能行车记录仪，包括：第一摄像头、第二摄像头、第一芯片、第二芯片、语音转化芯片；其中：

所述第一芯片，用于以基于YOLO物象识别算法识别所述第一摄像头、第二摄像头采集的图像数据获得物象识别结果，然后将所述物象识别结果发送给所述语音转化芯片；

所述第二芯片，用于接收所述第一摄像头、第二摄像头采集的图像数据后，进行测距，然后将测距结果发送给所述语音转化芯片；

所述语音转化芯片，将所述第一芯片的物象识别结果和所述第二芯片的测距结果进行处理，输出语音至车载音响，用以提醒车主安全行车。

优选地，所述第一摄像头为广角摄像头，所述第二摄像头为长焦摄像头。

优选地，所述一种基于YOLO物象识别的智能行车记录仪，还包括图像处理器，所述图像处理器与所述第一芯片、第一摄像头、第二摄像头连接，用于将所述第一摄像头、第二摄像头采集的图像数据进行滤波、图像增强处理，发送给所述第一芯片。

本发明第二实施例提供了一种基于YOLO物象识别的智能行车记录系统，包括车载音响和所述的基于YOLO物象识别的智能行车记录仪。

优选地，所述语音转化芯片将所述语音信息发送给所述车载音响，以由所述车载音响输出，提醒车主安全行车。

优选地，所述一种基于YOLO物象识别的智能行车记录系统，还包括安装有物象识别学习库的数据库服务器，所述物象识别学习库，是一个物象识别数据系统，与所述第一芯片连接，用于将所述物象识别数据发送给所述第一芯片。

优选地，所述物象识别学习库包括存储已有物象数据的本地识别数据库和存储云端物象数据的云学习库。

优选地，所述一种基于YOLO物象识别的智能行车记录系统，还包括与所述数据库服务器连接的WIFI模块，其中：当所述数据库服务器检测到所述本地识别数据库需要更新时，由所述WIFI模块提供网络，所述数据库服务器通过所述WIFI模块通知所述云学习库对所述本地识别数据库进行更新。

本发明第三实施例提供了一种车辆，包括如上述的基于YOLO物象识别的智能行车记录系统。

本发明实施例提供的一种基于YOLO物象识别的智能行车记录仪、系统及车辆，采用YOLO物象识别算法，快速的检测到汽车前路面上的障碍物，甚至是较小的物体也可以检测到。并且采用广角摄像头采集较大的拍摄范围，长焦摄像头拍摄更清晰的照片。另外，还具有物象识别数据库更新的功能，保持物象数据内容的广泛，准确的识别障碍物。识别结果通过语音的方式，来通知车主，有效的提升车主驾驶安全性，减少事故的发生率。

与现有技术相比，本发明具有以下优点：

1、采用YOLO物象识别算法，检测物体更快更准确，很好的避免背景错误、产生误报；

2、系统更加简单，成本更低；

3、物象识别数据库具有更新功能，保证物象数据的实时更新和完善。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于YOLO物象识别的智能行车记录仪的结构框架图。

图2是本发明实施例提供的一种基于YOLO物象识别的智能行车记录系统的系统框架图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述：

本发明第一实施例提供了一种基于YOLO物象识别的智能行车记录仪，如附图1所示，包括：第一摄像头10、第二摄像头20、第一芯片40、第二芯片50、语音转化芯片60；其中：

所述第一芯片40，用于基于YOLO物象识别算法识别所述第一摄像头10、第二摄像头20采集的图像数据获得物象识别结果，然后将所述物象识别结果发送给所述语音转化芯片60；

所述第二芯片50，用于接收所述第一摄像头10、第二摄像头20采集的图像数据后，进行测距，然后将测距结果发送给所述语音转化芯片60；

所述语音转化芯片60，将所述第一芯片的物象识别结果和所述第二芯片50的测距结果进行处理，输出语音至车载音响70，用以提醒车主安全行车。

在本实施例中，所述第一摄像头10和所述第二摄像头20集成在行车记录仪本体中。其中，所述第一摄像头10为广角摄像头，其焦距很短，但拍摄的视角较大，例如，对于OV7251广角高清摄像头，其拍摄视角范围为达53°到220°之间。所述所述第二摄像头20为长焦摄像头，例如可为USBFHD01M-5-50mm，长焦镜头比标准镜头的焦距长，在相同的拍摄距离处，所拍摄的影像大于标准镜头，但拍摄的景物空间范围也小。

在本实施例中，所述第一芯片40内部搭载YOLO物象识别算法以实现物象识别。其中，所述第一芯片40可为海思AI芯片Hi3519A/3559A。当然，在本发明的其他实施例中，也可以通过将YOLO物象识别算法增加到相关的AI芯片上来实现第一芯片40的功能。

其中，所述第一摄像头10和所述第二摄像头20可通过USB的方式连接在所述第一芯片40上。

其中，YOLO物象识别算法的工作过程如下：

首先将接收的图像划分为n*n(这里设置n＝13)个网格单元，每个网格单元负责5个检测框。一个检测框是包含一个目标的矩形区域。YOLO物象识别算法同时会给出一个置信度，描述了某个检测框确实包含了某目标的确定程度。这个值和检测框中是什么目标毫无关系，只和检测框的形状大小匹配程度有关。对于每个检测框，对应的网格单元还给出了一个分类的预测，预测这个检测框中的图像最可能是什么。检测框的置信度和分类预测，最终被整合成一个最终得分，来计算检测框内包含一个特定类型目标的概率。最后选择出得分最好的几个检测框，就是检测到的目标。每张图像只需要看一眼就能得出图像中都有哪些物体和这些物体的位置，检测物体非常快，还可以很好的避免背景错误、产生误报。目前，YOLO物象识别算法升级到第3版本后，对小物体的识别效果也很好。

在本实施例中，所述第二芯片50内部搭载双摄测距算法。例如，所述第二芯片可为eagleye100。所述第一摄像头10和所述第二摄像头20可通过USB的方式连接在所述第二芯片50上。

其中，双摄测距算法大概工作原理如下：

所述第一摄像头10、所述第二摄像头20采集待测物体的图像，待测物体在所述第一摄像头10、所述第二摄像头20中成像，利用视差成像的结果、待测物体到所述第一摄像头10的距离、待测物体到所述第二摄像头20的距离、所述第一摄像头10和所述第二摄像头20之间的距离，计算出待测物体与汽车之间的实际距离。

在本实施例中，所述语音转化芯片60将从所述第一芯片40获得的图像信号转化为语音，将从所述第二芯片50获得的测距结果转化为语音。所述语音转化芯片60接收到所述第一芯片40的物象识别结果后，将识别结果转化为信息，再将文字信息转化为语音信息。

在本实施例中，所述图像处理器30，主要是接收所述第一摄像头10、所述第二摄像头20采集的图像数据，进行滤波、图像增强处理，转化为适合所述第一芯片40识别的图像数据。例如，可通过直方图均衡化技术来实现图像增强，突出图像中一些可能的目标对象，削弱一些可能的不需要的目标对象。如此一来，处理后的图像将更适合于所述第一芯片40的采集和识别。

以下详述本实施例所述的一种基于YOLO物象识别的智能行车记录仪的工作原理：

所述第一摄像头10、第二摄像头20采集待测物体的图像，这些图像将传输至两路进行处理：

第一路：首先传输至所述图像处理器30，进行滤波、图像增强等方式进行处理，可通过直方图均衡化技术来实现图像增强，突出图像中一些可能的目标对象，削弱一些可能的不需要的目标对象，处理后的更适合于所述第一芯片40的采集和识别的图像将传输至所述第一芯片40，在所述第一芯片40中通过YOLO物象识别程序进行处理，首先将图像划分为13*13个网格单元，每个网格单元负责5个检测框。一个检测框是包含一个目标的矩形区域。YOLO物象识别算法同时会给出一个置信度，描述了某个检测框确实包含了某目标的确定程度。对于每个检测框，对应的网格单元还给出了一个分类的预测，预测这个检测框中的图像最可能是什么。检测框的置信度和分类预测，最终被整合成一个最终得分，最后选择得分最好的几个检测框，得到物象识别结果；

第二路：传输给所述第二芯片50，所述第二芯片50利用待测物体在所述第一摄像头10、所述第二摄像头20中的视差成像的结果、待测物体到所述第一摄像头10的距离、待测物体到所述第二摄像头20的距离、所述第一摄像头10和所述第二摄像头20之间的距离，计算出待测物体与汽车之间的实际距离，得到测距结果。

然后，以上物象识别结果和测距结果传输至所述语音转化芯片60，所述语音转化芯片60将接收到的物象识别结果和测距结果，转化为语音，播报前方多远距离处有何种障碍物。最后，由当前连接的车载音响70将语音内容播报出来，提醒车主安全行车。其中，语音种类还可以进行设置，比如语言的选择有英文播报、中文播报，声音有男声播报、女声播报。

其中，所述语音转化芯片可为WT588D。

本发明第二实施例还提供了一种基于YOLO物象识别的智能行车记录系统，如附图2所示，包括车载音响70和所述的基于YOLO物象识别的智能行车记录仪。所述车载音响70与所述基于YOLO物象识别的智能行车记录仪连接，用于播报物象识别结果和测距结果。

在本实施例中，所述基于YOLO物象识别的智能行车记录系统还包括安装有物象识别学习库的数据库服务器80和WIFI模块90，所述数据库服务器80，是一个物象识别数据系统，与所述第一芯片40连接，用于将所述物象识别数据发送给所述第一芯片40。所述WIFI模块90与所述数据库服务器80连接，为所述数据库服务器80提供网络。

在一个优选实施例中，所述物象识别学习库包括存储已有物象数据的本地识别数据库和存储云端物象数据的云学习库。所述本地识别数据库内容是系统中已有的物象数据内容，在所述第一芯片40进行物象识别的过程中，为所述第一芯片40提供物象识别的参考，如果本地识别数据库内容充足，所述第一芯片40识别结果就会很准确，如果所述第一芯片40未能识别汽车前的障碍物，则说明本地识别数据库内容需要更新。当所述数据库服务器80检测到所述本地识别数据库需要更新时，由所述WIFI模块90提供网络，所述数据库服务器80通过所述WIFI模块90通知所述云学习库对所述本地识别数据库进行更新。

本发明第三实施例还提供了一种车辆，包括如上述的基于YOLO物象识别的智能行车记录系统。

应当理解的是，所述的基于YOLO物象识别的智能行车记录仪以及系统不仅可应用于车辆上以确保行车安全，还可用于其他需要图像识别和提示的实际生活中，可以满足各类需要用到物象识别方面的需求，发挥最大的作用。

显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

Claims (10)

1.一种基于YOLO物象识别的智能行车记录仪，其特征在于，包括：第一摄像头、第二摄像头、第一芯片、第二芯片、语音转化芯片；其中：

所述第一芯片，用于以基于YOLO物象识别算法识别所述第一摄像头、第二摄像头采集的图像数据获得物象识别结果，然后将所述物象识别结果发送给所述语音转化芯片；

所述第二芯片，用于接收所述第一摄像头、第二摄像头采集的图像数据后，进行测距，然后将测距结果发送给所述语音转化芯片；

所述语音转化芯片，将所述第一芯片的物象识别结果和所述第二芯片的测距结果进行处理，输出语音至车载音响，用以提醒车主安全行车。

2.根据权利要求1所述的一种基于YOLO物象识别的智能行车记录仪，其特征在于，所述第一摄像头为广角摄像头，所述第二摄像头为长焦摄像头。

3.根据权利要求1所述的一种基于YOLO物象识别的智能行车记录仪，其特征在于，还包括图像处理器，所述图像处理器与所述第一芯片、第一摄像头、第二摄像头连接，用于将所述第一摄像头、第二摄像头采集的图像数据进行滤波、图像增强处理，发送给所述第一芯片。

4.根据权利要求3所述的一种基于YOLO物象识别的智能行车记录仪，其特征在于，所述第一芯片为海思AI芯片Hi3519A/3559A，所述第二芯片为eagleye100，所述语音转化芯片为WT588D。

5.一种基于YOLO物象识别的智能行车记录系统，其特征在于，包括车载音响和如权利要求1至3任意一项所述的基于YOLO物象识别程序的智能行车记录仪。

6.根据权利要求4所述一种基于YOLO物象识别的智能行车记录系统，其特征在于，所述语音转化芯片将所述语音信息发送给所述车载音响，以由所述车载音响输出，提醒车主安全行车。

7.根据权利要求4所述的一种基于YOLO物象识别的智能行车记录系统，其特征在于，还包括安装有物象识别学习库的数据库服务器，所述数据库服务器，是一个物象识别数据系统，与所述第一芯片连接，用于将所述物象识别数据发送给所述第一芯片。

8.根据权利要求6所述的一种基于YOLO物象识别的智能行车记录系统，其特征在于，所述物象识别学习库包括存储已有物象数据的本地识别数据库和存储云端物象数据的云学习库。

9.根据权利要求6或7所述的一种基于YOLO物象识别的智能行车记录系统，其特征在于，还包括与所述数据库服务器连接的WIFI模块，其中：当所述数据库服务器检测到所述本地识别数据库需要更新时，由所述WIFI模块提供网络，所述数据库服务器通过所述WIFI模块通知所述云学习库对所述本地识别数据库进行更新。

10.一种车辆，其特征在于，包括如权利要求4至8任意一项所述的基于YOLO物象识别的智能行车记录系统。