车辆安全通行方法、系统、终端设备及计算机存储介质

技术领域

本公开涉及车辆安全技术领域，尤其涉及一种车辆安全通行方法、一种车辆安全通行系统、一种终端设备以及一种计算机可读存储介质。

背景技术

随着社会经济的不断发展，汽车日益普及到每个人的家庭中。不可忽略的是，汽车在给人们带来便利的同时，也带来了诸如交通事故等负面效应，尤其是在汽车通过红绿灯路口时。为了提高汽车在通过红绿灯路口的安全性，辅助驾驶员在行驶过程中需要对行驶状态做出准确的判断，保证车辆在红绿灯路口的安全通行，然而大多数驾驶员在通过红绿灯时并不能对行驶状态做出准确的判断。

发明内容

本公开提供了一种车辆安全通行方法、系统、终端设备及计算机可读存储介质，以至少解决上述问题。

根据本公开实施例的一方面，提供一种车辆安全通行方法，包括：

获取车辆前方路段红绿灯路口的红绿灯信息；

获取所述车辆的运行状态信息和周围交通状态信息，所述运行状态信息包括所述车辆到达所述红绿灯路口的实际距离；

基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离；

判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离；

若所述实际距离大于所述安全距离，则向所述车辆发出安全通行提示。

在一种实施方式中，在判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离之后，还包括：

若所述实际距离不大于所述安全距离，则向所述车辆发出安全距离预警提示。

在一种实施方式中，所述红绿灯信息包括红绿灯颜色及倒计时秒数，

所述获取车辆前方路段红绿灯路口的红绿灯信息，包括：

获取所述车辆前方路段红绿灯路口的红绿灯图像；

识别所述红绿灯图像，得到所述红绿灯图像对应的红绿灯颜色及倒计时秒数。

在一种实施方式中，所述识别所述红绿灯图像，包括：

基于亮度比较算法与灰度处理算法对所述红绿灯图像进行识别。

在一种实施方式中，所述方法还包括：

建立红绿灯图像模板库，所述红绿灯图像模板库中包括若干红绿灯模板图像，其中每个红绿灯模板图像标识其颜色及倒计时秒数；

所述识别所述红绿灯图像，得到所述红绿灯图像对应的红绿灯颜色及倒计时秒数，包括：

计算所述红绿灯图像分别与所述若红绿灯模板图像之间的相似度，得到相似度结果；

基于所述相似度结果选择出与所述红绿灯图像之间相似度最大的红绿灯模板图像；以及，

将与所述红绿灯图像之间相似度最大的红绿灯模板图像所表示的颜色及倒计时秒数，作为所述红绿灯图像的颜色及倒计时秒数。

在一种实施方式中，基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离，包括：

建立基于BP神经网络的车辆安全距离判断模型；以及，

在所述车辆安全距离判断模型中对所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息进行训练，得到所述车辆到达所述红绿灯路口的安全距离。

根据本公开实施例的另一方面，提供一种车辆安全通行系统，包括：

第一获取模块，其设置为获取车辆前方路段红绿灯路口的红绿灯信息；

第二获取模块，其设置为获取所述车辆的运行状态信息和周围交通状态信息，所述运行状态信息包括所述车辆到达所述红绿灯路口的实际距离；

第三获取模块，其设置为基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离；

判断模块，其设置为判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离；

通行提示模块，其设置为在所述判断模块判断为所述实际距离大于所述安全距离时，向所述车辆发出安全通行提示。

在一种实施方式中，所述系统还包括：

预警提示模块，其设置为在所述判断模块判断为所述实际距离不大于所述安全距离时，向所述车辆发出安全距离预警提示。

根据本公开实施例的又一方面，提供一种终端设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行所述的车辆安全通行方法。

根据本公开实施例的再一方面，提供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，所述处理器执行所述的车辆安全通行方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供的车辆安全通行方法，通过获取车辆前方路段红绿灯路口的红绿灯信息；获取所述车辆的运行状态信息和周围交通状态信息；基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离；判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离，若是，则向所述车辆发出安全通行提示。本公开实施例通过获取车辆前方红绿灯信息，并结合车辆运行状态及周围交通状态分析获得车辆通行的安全距离，基于该安全距离对车辆发出安全通行提示，以确保车辆在红绿灯路口处的安全通行。

本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。

图1为本公开实施例一提供的一种车辆安全通行方法的流程示意图；

图2为图1中步骤S11的流程示意图；

图3为图1中步骤S13的流程示意图；

图4为图3中BP神经网络的结构示意图；

图5为本公开实施例二提供的一种车辆安全通行方法的流程示意图；

图6为本公开实施例三提供的一种车辆安全通行方法的流程示意图；

图7为本公开实施例四提供的一种车辆安全通行系统的结构示意图；

图8为本公开实施例五提供的一种终端设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序；并且，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互任意组合。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本公开的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

为解决上述问题，本公开实施例提出一种车辆安全通信方法，可以结合带有摄像头的智能定位手机只能识别出驾驶车能否在安全时间内通过红绿灯路口，即判断驾驶车能否在安全距离通过红绿灯路口，具体而言，首先采用智能定位手机进行红绿灯图像的采集，获取驾驶车当前运行状态以及红绿灯当前工作状态；然后将BP(Back Propagation，反向传播)神经网络技术应用到红绿灯路口安全距离的预警中，建立道路特征与实际道路类型的映射关系，以训练车辆的安全距离；并判断驾驶车通过红绿灯路口是否有足够的安全距离，即车辆是否有足够的绿灯时间通过红绿灯路口，保证车辆的安全通行。

请参照图1，图1为本公开实施例一提供的一种车辆安全通行方法的流程示意图，所述方法包括步骤S11-S15。

在步骤S11中，获取车辆前方路段红绿灯路口的红绿灯信息。

可以理解的是，前方路段红绿灯路口即车辆当前行程前方路段的第一个红绿灯路口。

在一种实施方式中，所述红绿灯信息包括红绿灯颜色及倒计时秒数，如图2所示，所述步骤S11包括步骤S111和步骤S112。

在步骤S111中，获取所述车辆前方路段红绿灯路口的红绿灯图像。

具体地，本实施例包括平台端和移动端，所述方法应用于该平台端，当驾驶车辆前方需通过前方路段红绿灯路口时，可通过移动端预置软件拍摄车辆前方路段红绿灯路口的红绿灯图像，平台端获取移动端传输的所采集的前方路段红绿灯路口的红绿灯图像然后对其进行识别检测得到红绿灯信息，即红绿灯颜色及倒计时秒数。

在步骤S112中，识别所述红绿灯图像，得到所述红绿灯图像对应的红绿灯颜色及倒计时秒数。

由于红绿灯的倒计时秒数是基于图像采集，直接下一步检测和识别可能存在数字不准确等问题，在一些实施例中，为了提高图像分析结果的精确性，在步骤S111之后以及步骤S112之前还需要对红绿灯图像进行预处理，具体地，可以采用灰度识别方法，灰度化是图像增强的一种重要手段，用于改善图像显示效果，它能够扩展图像的动态范围和对比度，使图像变的更清楚，通过图像预处理可以加大结果的准确性，进而避免错误识别错误判断。

在步骤S12中，获取所述车辆的运行状态信息和周围交通状态信息，所述运行状态信息包括所述车辆到达所述红绿灯路口的实际距离。

具体地，移动端可利用其定位、摄像等功能，获取车辆的运行状态信息及周围交通状态信息，然后传输给平台端，平台端获取其传输的车辆的运行状态信息和周围交通状态信息。其中，运行状态信息包括车辆到达所述红绿灯路口的实际距离、行驶速度等，周围交通状态信息包括驾驶车距离前方车辆的距离以及当前位置前方车辆数量等信息，在一些实施例中，平台端还可以同时获取当前天气情况以及历史事故发生率等外界因素。

在步骤S13中，基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离。

本实施例中，如图3所示，步骤S13包括以下步骤S131和步骤S132。

在步骤S131中，建立基于BP神经网络的车辆安全距离判断模型；以及，

在步骤S132中，在所述车辆安全距离判断模型中对所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息进行训练，得到所述车辆到达所述红绿灯路口的安全距离。

具体地，移动端利用功能软件实时定位获取路况信息，即采集驾驶车当前位置到红绿灯路口红绿灯的实际距离s

其中，BP神经网络如图4所示，BP神经包括输入层、隐含层、输出层三层网络结构，其建立的模型输入量为驾驶车前方红绿灯路口图像的红绿灯颜色、红绿灯倒计时秒数、驾驶车到当前红绿灯路口的实际距离s

在本实施例中，驾驶车到前车距离参数值，取值范围为[0,0.3]，驾驶车当前车速越快，取值越高；前面车辆数量参数值，取值范围为[0,0.2]，该路段当前车辆越多，取值越低；天气情况参数值，取值范围为[0,0.3]，该路段当前天气越差，取值越低；历史事故发生率参数值，取值范围为[0,0.2]，该路段历史事故越多，取值越低。

在步骤S14中，判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离，若所述实际距离大于所述安全距离，则执行步骤S15，否则，执行步骤S16。

在步骤S15中，向所述车辆发出安全通行提示。

在步骤S16中，向所述车辆发出安全距离预警提示。

具体地，平台端通过比较安全距离s和实际距离s

请参照图5，图5为本公开实施例二提供的一种车辆安全通行方法的流程示意图，在实施例一的基础上，本实施例将步骤S112进一步划分为步骤S112a。

在步骤S112a中，基于亮度比较算法与灰度处理算法对所述红绿灯图像进行识别。

本实施例中，通过亮度比较算法与灰度处理算法，对当前红绿灯图像进行检测与识别，确定当前红绿灯颜色标识(红，黄，绿3种)以及当前红绿灯标识数字(即红绿灯倒计时秒数)。

可以理解的是，红绿灯图像可以为移动端采集的红绿灯照片或者视频。

请参照图6，图6为本公开实施例三提供的一种车辆安全通行方法的流程示意图，在实施例一的基础上，本实施例还包括步骤S61，并将步骤S112进一步划分为步骤S112b-S112d。

在步骤S61中，建立红绿灯图像模板库，所述红绿灯图像模板库中包括若干红绿灯模板图像，其中每个红绿灯模板图像标识其颜色及倒计时秒数。

在步骤S112b中，计算所述红绿灯图像分别与所述若红绿灯模板图像之间的相似度，得到相似度结果。

在步骤S112c中，基于所述相似度结果选择出与所述红绿灯图像之间相似度最大的红绿灯模板图像。

在步骤S112d中，将与所述红绿灯图像之间相似度最大的红绿灯模板图像所标识的颜色及倒计时秒数，作为所述红绿灯图像的颜色及倒计时秒数。

本实施例中，建立红绿灯图像颜色标识和数字标识模板库，作为红绿灯图像模板库，当接收到一个新的匹配图像时，根据相似度原理进行新图像和红绿灯图像模板库的匹配，模板库中相似度最大的图像就是当前红绿灯图像，即可获得当前红绿灯颜色和倒计时秒数。

基于相同的技术构思，本公开实施例四相应还提供一种车辆安全通行系统，如图7所示，所述系统包括：

第一获取模块71，其设置为获取车辆前方路段红绿灯路口的红绿灯信息；

第二获取模块72，其设置为获取所述车辆的运行状态信息和周围交通状态信息，所述运行状态信息包括所述车辆到达所述红绿灯路口的实际距离；

第三获取模块73，其设置为基于所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息获取所述车辆到达所述红绿灯路口的安全距离；

判断模块74，其设置为判断所述车辆到达所述红绿灯路口的实际距离是否大于所述车辆到达所述红绿灯路口的安全距离；

通行提示模块75，其设置为在所述判断模块判断为所述实际距离大于所述安全距离时，向所述车辆发出安全通行提示。

在一种实施方式中，所述系统还包括：

预警提示模块，其设置为在所述判断模块判断为所述实际距离不大于所述安全距离时，向所述车辆发出安全距离预警提示。

在一些实施例中，所述红绿灯信息包括红绿灯颜色及倒计时秒数，

所述第一获取模块71，包括：

第一获取单元，其设置为获取所述车辆前方路段红绿灯路口的红绿灯图像；以及，

识别单元，其设置为识别所述红绿灯图像，得到所述红绿灯图像对应的红绿灯颜色及倒计时秒数。

在一些实施例中，所述识别单元具体设置为，基于亮度比较算法与灰度处理算法对所述红绿灯图像进行识别。

在一些实施例中，所述系统还包括：

模板库建立模块，其设置为建立红绿灯图像模板库，所述红绿灯图像模板库中包括若干红绿灯模板图像，其中每个红绿灯模板图像标识其颜色及倒计时秒数；

所述识别单元具体设置为，计算所述红绿灯图像分别与所述若红绿灯模板图像之间的相似度，得到相似度结果；基于所述相似度结果选择出与所述红绿灯图像之间相似度最大的红绿灯模板图像；以及，将与所述红绿灯图像之间相似度最大的红绿灯模板图像所标识的颜色及倒计时秒数，作为所述红绿灯图像的颜色及倒计时秒数。

在一些实施例中，所述第三获取模块73，包括：

模型建立单元，其设置为建立基于BP神经网络的车辆安全距离判断模型；以及，

训练及获取单元，其设置为在所述车辆安全距离判断模型中对所述红绿灯信息以及所述车辆的运行状态信息和周围交通状态信息进行训练，得到所述车辆到达所述红绿灯路口的安全距离。

基于相同的技术构思，本公开实施例五相应还提供一种终端设备，如图8所示，所述终端包括存储器81和处理器82，所述存储器81中存储有计算机程序，当所述处理器82运行所述存储器81存储的计算机程序时，所述处理器82执行所述的车辆安全通行方法。

基于相同的技术构思，本公开实施例六相应还提供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，所述处理器执行所述的车辆安全通行方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。