本發(fā)明涉及一種能夠預(yù)判駕駛員轉(zhuǎn)向意圖的輔助車燈控制方法。

背景技術(shù)：

隨著汽車工業(yè)的發(fā)展，汽車在平常百姓中的普及率越來越高，隨之而來的是越來越多的安全事故。車燈作為汽車的“眼睛”，在夜間行車過程中擔(dān)任著至關(guān)重要的作用。傳統(tǒng)的汽車車燈是固結(jié)在車體上，在拐彎的時候，無法提供足夠的側(cè)向照明，從而造成較大的視野盲區(qū)，容易引起事故。

針對這種情況，人們把目光轉(zhuǎn)向智能隨動照明系統(tǒng)，即根據(jù)車輛的車速和方向盤轉(zhuǎn)角等汽車的實時姿態(tài)信息來決定車燈相對于車體的角度。然而這種算法也存在著一定的問題，即必須在車輛已經(jīng)發(fā)生轉(zhuǎn)彎智能系統(tǒng)才能開始工作，反應(yīng)比較落后，屬于被動開啟。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明的目的在于，提供一種能夠預(yù)判駕駛員轉(zhuǎn)向意圖的輔助車燈控制方法，能夠提前判斷司機(jī)是否要轉(zhuǎn)向以及轉(zhuǎn)彎角度，從而進(jìn)行更加主動地補(bǔ)光操作。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種能夠預(yù)判駕駛員轉(zhuǎn)向意圖的輔助車燈控制方法，包括以下步驟：

步驟一：將攝像頭安裝在車輛駕駛室內(nèi)，通過攝像頭采集駕駛員的人臉圖像，人臉圖像中包含駕駛員的人眼信息；

步驟二：對采集到的人臉圖像進(jìn)行預(yù)處理，預(yù)處理包括灰度處理和圖像濾波，預(yù)處理后得到平滑圖像；

步驟三：對平滑圖像進(jìn)行人眼識別，得到平滑圖像中的兩個人眼區(qū)域；

步驟四：針對每個人眼區(qū)域確定瞳孔的位置；

步驟五：針對每個人眼區(qū)域確定人眼對應(yīng)的兩個角點的位置；

步驟六：針對每個人眼區(qū)域中瞳孔的位置和兩個角點的位置，計算初步瞳孔偏移量；求取兩個人眼區(qū)域得到的兩個初步瞳孔偏移量的平均值，作為瞳孔偏移量；

步驟七：在車輛的車輪上安裝車速傳感器，計算得到車速；

步驟八：根據(jù)步驟六得到的瞳孔偏移量和步驟七得到的車速，利用模糊算法，求取輔助燈應(yīng)偏轉(zhuǎn)角度；

步驟九：在車輛的輔助燈上安裝角度傳感器，得到輔助燈的實際偏轉(zhuǎn)角度；將輔助燈實際偏轉(zhuǎn)角度和步驟八得到的輔助燈應(yīng)偏轉(zhuǎn)角度進(jìn)行對比，得出輔助燈還需要偏轉(zhuǎn)的角度。

具體地，所述步驟三中對平滑圖像進(jìn)行人眼識別，得到平滑圖像中的兩個人眼區(qū)域，具體包括以下步驟：

針對平滑圖像求取橫向灰度投影圖和縱向灰度投影圖；

針對橫向灰度投影圖，查找橫向灰度投影圖中的峰值，并查找峰值兩個的第一個谷底，分別以兩個谷底為中心，向左右兩側(cè)各擴(kuò)展n個像素點，分別得到兩個人眼區(qū)域的水平區(qū)域；

針對縱向灰度投影圖，在縱向灰度投影圖的上半部分查找局部最小值，以局部最小值為中心，向上和向下各擴(kuò)展m個像素點，得到人眼區(qū)域的豎直區(qū)域；

根據(jù)兩個水平區(qū)域和一個豎直區(qū)域確定兩個人眼區(qū)域。

具體地，所述步驟四中的針對每個人眼區(qū)域中確定瞳孔的位置，具體包括以下步驟：

選取一個p*q大小的矩形框，使該矩形框在人眼區(qū)域內(nèi)滑動，計算矩形框內(nèi)的矩形區(qū)域的像素點的灰度值的最大值與像素點的灰度值的最小值，選取最大值與最小值的差值小于P的多個矩形區(qū)域，計算選取的多個矩形區(qū)域中的每個矩形區(qū)域內(nèi)的所有像素點的灰度值的平均值，選取平均值最小的矩形區(qū)域，即為人眼區(qū)域中的瞳孔區(qū)域；瞳孔區(qū)域的中心點即為瞳孔的位置。

具體地，所述步驟五中的針對每個人眼區(qū)域中確定人眼對應(yīng)的兩個角點的位置，具體包括以下步驟：

選取a*b大小的矩形框，將人眼區(qū)域中的任意一個像素點置于矩形框的中心位置，將矩形框沿人眼區(qū)域的橫軸方向移動，每次移動一個像素點的距離，計算矩形框內(nèi)的矩形區(qū)域的所有像素點的灰度值的平均值，計算矩形框移動過程中，相鄰的矩形區(qū)域求取的所有像素點的灰度值的平均值的變化量I_u；

將矩形框?qū)⒖v軸方向移動移動，每次移動一個像素點的距離，計算矩形框內(nèi)的矩形區(qū)域的所有像素點的灰度值的平均值，計算矩形框移動過程中，相鄰的矩形區(qū)域求取的所有像素點的灰度值的平均值的變化量I_v；

I_uv＝I_u·I_v，得到方針

求取Harris算子R，R＝det(C)-k*tr²(C)，其中，tr(C)表示方陣C的跡，det(C)表示方陣C行列式的值，k為經(jīng)驗值。

若人眼區(qū)域中的某像素點對應(yīng)的Harris算子R大于設(shè)定閾值T，則該像素點為角點。

具體地，所述步驟八中的根據(jù)步驟六得到的瞳孔偏移量和步驟七得到的車速，利用模糊算法，求取輔助燈應(yīng)偏轉(zhuǎn)角度，具體包括以下步驟：

步驟8.1：建立車速模糊集合，分別為FR，F(xiàn)，M，S，SR；建立瞳孔偏移量模糊集合，分別為LB，LM，LS，Z，RS，RM，RB；建立輔助燈轉(zhuǎn)角模糊集合，分別為

步驟8.2：針對車速模糊集合、瞳孔偏移量模糊集合和輔助燈轉(zhuǎn)角模糊集合，分別建立車速隸屬度函數(shù)μ_車速、瞳孔偏移量隸屬度函數(shù)μ_瞳孔和輔助燈轉(zhuǎn)角隸屬度函數(shù)μ_{轉(zhuǎn)角}；

步驟8.3：建立模糊控制表；根據(jù)車速隸屬度函數(shù)μ_車速求取步驟七得到的車速對應(yīng)的車速隸屬度；根據(jù)瞳孔偏移量隸屬度函數(shù)μ_瞳孔求取步驟六得到的瞳孔偏移量對應(yīng)的瞳孔偏移量隸屬度；

根據(jù)模糊控制表，結(jié)合車速隸屬度和瞳孔偏移量隸屬度，求得輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合，以及輔助燈轉(zhuǎn)角隸屬度；

步驟8.4：根據(jù)輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合，將得到的輔助燈轉(zhuǎn)角隸屬度的值代入輔助燈轉(zhuǎn)角隸屬度函數(shù)μ_{轉(zhuǎn)角}中，求取輔助燈應(yīng)偏轉(zhuǎn)角度。

具體地，所述步驟8.3中的根據(jù)模糊控制表，結(jié)合車速隸屬度和瞳孔偏移量隸屬度，求得輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合，以及輔助燈轉(zhuǎn)角隸屬度，具體包括以下步驟：

某一車速對應(yīng)的車速隸屬度包括兩個值，某一瞳孔偏移量對應(yīng)的瞳孔偏移量包括兩個值，兩個車速隸屬度和兩個瞳孔偏移量隸屬度形成四組對應(yīng)關(guān)系，每組對應(yīng)關(guān)系根據(jù)模糊控制表求得一個輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合，求該組對應(yīng)關(guān)系中的車速隸屬度和瞳孔偏移量隸屬度的最小值作為輔助燈轉(zhuǎn)角隸屬度；

四組對應(yīng)關(guān)系求得四個初步燈轉(zhuǎn)角隸屬度的值，將所述四個輔助燈轉(zhuǎn)角隸屬度的值的最大值作為最終的輔助燈轉(zhuǎn)角隸屬度，該輔助燈轉(zhuǎn)角隸屬度對應(yīng)的輔助燈轉(zhuǎn)角模糊集合作為最終的輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：

本發(fā)明具有以下技術(shù)效果：本發(fā)明通過攝像頭識別人眼球動作，并綜合考慮此時的車速信息，通過模糊算法，預(yù)判車輛是否將進(jìn)入彎道，計算出輔助燈應(yīng)轉(zhuǎn)動的角度，并對比目前輔助燈所處的位置控制步進(jìn)電機(jī)轉(zhuǎn)動，進(jìn)行主動補(bǔ)光，提前消除彎道盲區(qū)，有效降低夜間車輛發(fā)生事故的概率。該系統(tǒng)彌補(bǔ)了傳統(tǒng)輔助車燈只能被動響應(yīng)的缺點，具有預(yù)測準(zhǔn)確、反應(yīng)靈敏等特點。

附圖說明

圖1為本發(fā)明中的裝置在汽車上的安裝示意圖；

圖2為本發(fā)明的方法流程圖；

下面結(jié)合附圖和具體實施方式對本發(fā)明的方案作進(jìn)一步詳細(xì)地解釋和說明。

具體實施方式

本發(fā)明的能夠預(yù)判駕駛員轉(zhuǎn)向意圖的輔助車燈控制方法，包括以下步驟：

步驟一：將攝像頭安裝在車輛駕駛室內(nèi)，通過攝像頭采集駕駛員的人臉圖像，人臉圖像中包含駕駛員的人眼信息。

步驟二：對采集到的人臉圖像進(jìn)行預(yù)處理。具體方法如下：對采集到的人臉圖像進(jìn)行灰度處理，得到灰度圖像；對灰度圖像進(jìn)行圖像濾波，采用中值濾波的方法，使得圖像變得平滑，圖像濾波后得到平滑圖像。

步驟三：對平滑圖像進(jìn)行人眼識別，得到平滑圖像中的人眼區(qū)域。具體方法如下：

針對平滑圖像利用按行或按列求灰度值之和的方法得到橫向灰度投影圖和縱向灰度投影圖；其中，橫向灰度投影圖的橫軸表示平滑圖像的橫軸方向，橫向灰度投影圖的縱軸表示平滑圖像上沿橫軸的每一坐標(biāo)點在縱軸方向的所有像素點的灰度值之和?？v向灰度投影圖的縱軸表示平滑圖像的縱向方向，縱向灰度投影圖的橫軸表示平滑圖像上沿縱軸的每一坐標(biāo)點在橫軸方向的所有像素點的灰度值之和。

針對橫向灰度投影圖，查找圖中的峰值，并查找峰值兩側(cè)的第一個谷底，分別以兩個谷底為中心，向左右兩側(cè)各擴(kuò)展50個像素點，分別得到兩個人眼區(qū)域的水平區(qū)域；針對縱向灰度投影圖，在縱向灰度投影圖的上半部分查找局部最小值，以局部最小值為中心，向上下兩側(cè)各擴(kuò)展15個像素點，得到人眼的豎直區(qū)域。根據(jù)兩個水平區(qū)域和一個豎直區(qū)域得到兩個人眼區(qū)域。

步驟四：在步驟三得到的人眼區(qū)域中確定兩個瞳孔的位置。具體方法如下：

選取一個10*10大小的矩形框，使該矩形框在人眼區(qū)域內(nèi)滑動，計算矩形框內(nèi)的矩形區(qū)域的像素點的灰度值的最大值與像素點的灰度值的最小值，選取最大值與最小值的差值小于20的多個矩形區(qū)域，計算選取的多個矩形區(qū)域中的每個矩形區(qū)域內(nèi)的所有像素點的灰度值的平均值，選取平均值最小的矩形區(qū)域，即為人眼區(qū)域中的瞳孔區(qū)域；瞳孔區(qū)域的中心點即為瞳孔的位置。另一個瞳孔的位置求取方法相同。

步驟五：分別在步驟三得到的兩個人眼區(qū)域中確定所有角點的位置。具體方法如下：

定義3*3的矩形框，將人眼區(qū)域內(nèi)的任意一個像素點置于矩形框的中心位置，將矩形框沿橫軸方向移動，每次移動一個像素點的距離，計算每移動一次的矩形框內(nèi)的9個像素點的灰度值的平均值，計算相鄰的矩形框的平均值的變化量I_u，同理，將矩形框?qū)⒖v軸方向移動，每次移動一個像素點的距離，計算每移動一次的矩形框內(nèi)的9個像素點的灰度值的平均值，計算相鄰的矩形框的平均值的變化量I_v，令I(lǐng)_uv＝I_u·I_v，得到方針利用方針C計算上述像素點的Harris算子R,R＝det(C)-k*tr²(C),其中，tr(C)表示方陣C的跡，det(C)表示方陣C行列式的值。k為經(jīng)驗值，通常取0.04～0.06。

若某像素點的Harris算子R大于設(shè)定閾值T，T取0.9，則該像素點為角點。最終得到所有角點，即4個角點。

步驟六：根據(jù)瞳孔位置和所有角點的位置，計算瞳孔偏移量。具體方法如下：

分別計算每個瞳孔與其對應(yīng)的兩個角點的連線中點，在橫軸方向的距離d，分別為d1和d2，計算d1和d2的平均值，即為瞳孔偏移量。

步驟七：在車輛的左前輪和右后輪分別安裝一個車速傳感器，分別測得左前輪和右后輪的轉(zhuǎn)速，根據(jù)左前輪的轉(zhuǎn)速得到車速V₁，根據(jù)右后輪的轉(zhuǎn)速得到車速V₂，最終得到車速

步驟八：根據(jù)瞳孔偏移量和車速，利用模糊算法，得到輔助燈應(yīng)偏轉(zhuǎn)角度。具體方法如下：

步驟8.1：對車速、瞳孔偏移量和輔助燈轉(zhuǎn)角進(jìn)行模糊化；包括以下步驟：

步驟8.1.1：車速模糊化。設(shè)定判斷車速為0～100km/h，將判斷車速范圍均分成5個車速模糊集合，分別為FR(很快)，F(xiàn)(快)，M(中)，S(慢)，SR(很慢)

步驟8.1.2：瞳孔偏移量模糊化。設(shè)瞳孔偏移量值為-30～+30個像素值，其中負(fù)值表示向左偏移，正值表示向右偏移。將其均分為7個瞳孔偏移量模糊集合：LB(左偏移量大)，LM(左偏移量中)，LS(左偏移量小)，Z(無偏移)，RS(右偏移量小)，RM(右偏移量中)，RB(右偏移量大)；

步驟8.1.3：輔助燈轉(zhuǎn)角模糊化。輔助燈轉(zhuǎn)角范圍是-60°～+60°，負(fù)值表示向左轉(zhuǎn)動，正值表示向右轉(zhuǎn)動。將其均分為7個輔助燈轉(zhuǎn)角模糊集合：(左轉(zhuǎn)角大)，(左轉(zhuǎn)角中)，(左轉(zhuǎn)角小)，(無轉(zhuǎn)角)，(右轉(zhuǎn)角小)，(右轉(zhuǎn)角中)，(右轉(zhuǎn)角大)。

步驟8.2：采用三角函數(shù)分別針對車速模糊集合、瞳孔偏移量模糊集合和輔助燈轉(zhuǎn)角模糊集合，建立車速隸屬度函數(shù)、瞳孔偏移量隸屬度函數(shù)和輔助燈轉(zhuǎn)角隸屬度函數(shù)。具體方法如下:

建立車速x的車速隸屬度函數(shù)μ_車速

建立瞳孔偏移量y的瞳孔偏移量隸屬度函數(shù)μ_瞳孔

建立輔助燈轉(zhuǎn)角z的輔助燈轉(zhuǎn)角隸屬度函數(shù)μ_{轉(zhuǎn)角}：

步驟8.3：建立模糊控制表；根據(jù)車速隸屬度函數(shù)求取步驟七得到的車速對應(yīng)的車速隸屬度；根據(jù)瞳孔偏移量隸屬度函數(shù)求取步驟六得到的瞳孔偏移量對應(yīng)的瞳孔偏移量隸屬度；根據(jù)模糊控制表，結(jié)合車速隸屬度和瞳孔偏移量隸屬度，求得輔助燈轉(zhuǎn)角所屬的輔助燈轉(zhuǎn)角模糊集合，以及輔助燈轉(zhuǎn)角隸屬度；

步驟8.3.1：建立模糊控制規(guī)則：瞳孔向左偏移，左側(cè)輔助燈啟動，瞳孔向右偏移，右側(cè)輔助燈啟動。瞳孔偏移越大，車速越快，輔助燈角度越大；瞳孔偏移適中，車速適中，輔助燈角度適中；瞳孔偏移越小，車速越慢，輔助燈角度越??；瞳孔不偏移，輔助燈角度為零。

步驟8.3.2：根據(jù)模糊控制規(guī)則建立模糊控制表：

對上述表格舉例說明，如，若車速為FR模糊集合，且瞳孔偏移量為LB模糊集合，則輔助燈轉(zhuǎn)角為模糊集合；

步驟8.3.3：將步驟七得到的車速代入車速x的隸屬度函數(shù)μ_車速中，求得該車速下的車速隸屬度；將步驟六得到的瞳孔偏移量代入瞳孔偏移量的隸屬度函數(shù)μ_瞳孔中，求得該瞳孔偏移量下的瞳孔偏移量隸屬度；

根據(jù)車速x的隸屬度函數(shù)μ_車速，針對某一車速會求出兩個車速隸屬度，如某一車速屬于模糊集合F(很快)，則根據(jù)車速的隸屬度函數(shù)μ_車速的求取公式，可求出其針對的兩個車速隸屬度μ_F和μ_M，記，μ_F＝1/5，μ_M＝4/5。

根據(jù)瞳孔偏移量y的隸屬度函數(shù)μ_瞳孔，針對某一瞳孔偏移量會求出兩個瞳孔偏移量隸屬度，如某一瞳孔偏移量屬于模糊集合LS(左偏移量小)，則根據(jù)瞳孔偏移量的隸屬度函數(shù)μ_瞳孔的求取公式，可求出其針對的兩個瞳孔偏移量隸屬度μ_LM和μ_LS，記μ_LM＝1/5，μ_LS＝4/5。根據(jù)模糊控制表可知：

若車速為F模糊集合，其對應(yīng)的車速隸屬度μ_F＝1/5，瞳孔偏移量為LM模糊集合，其對應(yīng)的瞳孔偏移量隸屬度μ_LM＝1/5，則輔助燈轉(zhuǎn)角為輔助燈模糊集合,求車速隸屬度μ_F＝1/5和瞳孔偏移量隸屬度μ_LM＝1/5的最小值，作為輔助燈轉(zhuǎn)角為模糊集合的隸屬度

若車速為F模糊集合，其對應(yīng)的車速隸屬度μ_F＝1/5，瞳孔偏移量為LS模糊集合，其對應(yīng)的瞳孔偏移量隸屬度μ_LS＝4/5，則輔助燈轉(zhuǎn)角為模糊集合；求車速隸屬度μ_F＝1/5和瞳孔偏移量隸屬度μ_LS＝4/5的最小值，作為輔助燈轉(zhuǎn)角為模糊集合的隸屬度

若車速為M模糊集合，其對應(yīng)的車速隸屬度μ_M＝4/5，瞳孔偏移量為LM模糊集合，其對應(yīng)的瞳孔偏移量隸屬度μ_LM＝1/5，則輔助燈轉(zhuǎn)角為模糊集合；求車速隸屬度μ_M＝4/5和瞳孔偏移量隸屬度μ_LM＝1/5的最小值，作為輔助燈轉(zhuǎn)角為模糊集合的隸屬度

若車速為M模糊集合，其對應(yīng)的車速隸屬度μ_M＝4/5，瞳孔偏移量為LS模糊集合，其對應(yīng)的瞳孔偏移量隸屬度μ_LS＝4/5，則輔助燈轉(zhuǎn)角為模糊集合；求車速隸屬度μ_M＝4/5和瞳孔偏移量隸屬度μ_LS＝4/5的最小值，作為輔助燈轉(zhuǎn)角為模糊集合的隸屬度

求取上述四個隸屬度結(jié)果的最大值，即

得到輔助燈轉(zhuǎn)角屬于模糊集合輔助燈轉(zhuǎn)角隸屬度的大小為4/5。

步驟8.4：將步驟8.3得到的的值代入隸屬度函數(shù)μ_{轉(zhuǎn)角}中的求取偏轉(zhuǎn)角度z的值；若求取的偏轉(zhuǎn)角度z有兩個值，則取兩個值的平均值作為輔助燈應(yīng)偏轉(zhuǎn)角度。

步驟九：在輔助燈上安裝角度傳感器，得到輔助燈實際偏轉(zhuǎn)角度；將輔助燈實際偏轉(zhuǎn)角度與步驟八得到的輔助燈應(yīng)偏轉(zhuǎn)角度進(jìn)行對比，得出輔助燈還應(yīng)該偏轉(zhuǎn)的角度大?。获{駛員根據(jù)求得的輔助燈還需要偏轉(zhuǎn)的角度大小，控制輔助燈的偏轉(zhuǎn)大小。