CN112489383A - 一种基于机器视觉的预防闯红灯事故预警***、方法 - Google Patents

Abstract

本发明提供一种基于机器视觉的预防闯红灯事故预警***、方法。通过设于车顶上方的摄像头捕捉车辆在十字路口侧方的实时图像，通过内置的图像处理装置识别物体种类、物体速度、物体大小，并通过这些参数分析侧方是否有机动、非机动车辆或行人闯红灯的可能性，并提前对车辆驾驶员作出预警提醒。本发明能对其他机动、非机动车辆或行人是否会闯红灯做出预判并提前提醒驾驶员，降低十字路口闯红灯相撞事故发生率，或通过提前预警减小事故后的经济损失或人员伤亡。

Description

一种基于机器视觉的预防闯红灯事故预警***、方法

技术领域

本发明涉及机器视觉及安全驾驶领域，尤其涉及一种基于机器视觉的预防闯红灯事故预警***、方法。

背景技术

目前随着个人持有车的数量越来越多，闯红灯事故愈发严重和以及其数量增加，时常会造成不可挽回的人员伤亡和经济损失。

因此应当有一种预防或降低闯红灯事故的技术方案。

发明内容

本发明提供一种基于机器视觉的预防闯红灯事故预警***、方法，用于提前对车辆驾驶员发出警告，从而避免或减少闯红灯事故的损失。

为实现上述目的，本发明的第一方面提供了一种基于机器视觉的预防闯红灯事故预警***，所述***设于车顶上，其包括：图像收集装置，用于收集车辆前方及侧方的实时图像。图像处理装置，用于接收和分析处理图像，并从中获取信息，信息中包括交通指示灯存在状态以及交通指示灯状态，车辆侧方向物体种类，物体个数，物体速度。信息分析装置，分别连接图像处理装置和报警装置。用于通过从图像处理装置获得的信息进行进一步的判断分析，分析物体是否有闯红灯的可能性，并向报警装置发送信号和信息。报警装置，通过信息分析装置发出的信号和信息，向车辆驾驶员发出预警信息，预警信息应包括物体种类，移动方向，并提醒注意减速避让。

本发明第一方面的较佳实行方式中，所述信息分析装置可以通过图像处理装置发送目标的信息速度数据进行拟合数据计算，并预测轨迹，判断是否可能闯红灯。

本发明第一方面的较佳实行方式中，所述的信息分析装置，通过图像处理装置获得多组目标实时速度，判断是否为降序排列，以及是否达到安全值，对目标闯红灯可能性进行判断。

为达到上述目的，本发明第二方面提供一种基于机器视觉的预防闯红灯事故预警方法，应用在所述图像处理装置设于车辆上，所述方法包括：接收车辆前方及侧方的实时路况；利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类；利用目标模型检测实时图像停车线位置，判断有交通指示灯存在状态。持续跟踪目标，并测算出目标距离及移动速度。将所述实时图像中的信息外送，以供信息分析装置进一步分析信息。

为达到上述目的，本发明第三方面提供一种基于机器视觉的预防闯红灯事故预警方法，应用于所述的信息分析装置设于车辆上，所述方法包括：获取图像处理装置发出的信息；用于根据所述当前横向交通指示灯信息判断为红灯或黄灯时，根据信息中获取的物体种类，实时速度，通过函数计算预测物体轨迹。根据获取物体目标多个实时速度，判断其速度是否为降序排列，判断其闯红灯的可能性。向报警装置发送信号和已判断为会闯红灯的目标信息，信息包含目标种类，方向。

为达到上述目的，本发明第四方面提供一种基于机器视觉的预防闯红灯事故预警方法，应用于所述的报警装置设置于车辆中，其方法为根据信息分析装置发出的信号和信息向车辆驾驶员发出预警信息，具体信息应包括物体种类，物体方向，及注意减速避让。

为达到上述目的，本发明第五方面提供一种图像处理装置，其包括，第一接收模块，接收车辆前方及侧方实时路况；图像分类模块，利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类；目标检测模块，利用目标模型检测实时图像停车线位置，判断交通指示灯存在状态。目标跟踪装置，持续跟踪目标，并测算出目标距离及移动速度。第一发送模块，将所述实时图像中的信息外送，以供信息分析装置进一步分析信息。

为达到上述目的，本发明第六方面提供一种信息分析装置，其包括，第二接收模块，获取图像处理装置发出的信息；计算模拟模块，根据信息中获取的物体种类，实时速度，通过函数计算预测物体轨迹。判断模块，用于根据所述交通指示灯信息判断为当前横向方向为红灯或黄灯时，根据获取物体目标多个实时速度，判断其速度是否为降序排列，判断其闯红灯的可能性。第二发送模块，向报警装置发送信号和已判断为会闯红灯的目标信息，信息包含目标种类，方向。

为达到上述目的，本发明第七方面提供车载计算装置，所需至少2台计算装置，分别为第一，第二计算装置，所述第一计算装置用于实现应用于图像处理装置的一种基于机器视觉的预防闯红灯事故预警方法，第二计算装置用于实现应用于信息分析装置的一种基于机器视觉的预防闯红灯事故预警方法。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1显示的是装载该***的车辆前方无车辆或物体闯红灯。

图2显示的是装载该***的车辆前方有物体或车辆可能会闯红灯。

图3显示为本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警***的结构示意图。

图4显示为本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警方法的流程示意图。

图5显示为本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警方法的流程示意图。

图6显示为本发明一实施案例中图像处理装置的结构示意图。

图7显示为本发明一实施案例中信息分析装置的结构示意图。

具体实施方法

为了让使用者更易于了解本发明，下面将逐步对不同附图及可能发生的场景进行叙述。

需要说明的是，以下实施案例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

目前，随着私家车的数量增多，闯红灯事故频发，且造成的人员伤亡和经济损失巨大，如图2中的B车辆试图闯红灯，因现有技术多为被动式，即B车辆到达A车辆附近一定范围才能被声波探测到进而提醒驾驶员，但因为留给车辆驾驶员反应时间不足，依然无法避免事故发生。

有鉴于此，本发明提供一种预测可能发生闯红灯事故的技术方案，如图2中A车辆在十字路口纵向停车线后，正前方交通指示灯为绿灯时，与现有的技术不同，本装置设有图像收集装置，图像处理装置，信息分析装置，报警装置(未图示)。

具体地说，如图1中A车辆前方的虚线表示图像收集装置的视野范围，图像收集装置将前方实时路况传送到图像处理装置，用于初步分析当前交通指示灯存在状态和交通指示灯状态，识别物体种类，横向双侧停车线位置，物体移动方向，实时速度；信息分析装置，用于进一步分析图像处理装置发送的信息，进行数据判断，判断目标速度是否为降序排序并最终达到安全值，或进行拟合数据进行路径预测，判断当前目标是否会闯红灯，若判断为会闯红灯，则通过报警装置提前提醒驾驶员注意避让。

由此可见，本发明通过提前预判目标是否会闯红灯，进行提前预警，从而有效减少闯红灯相撞事故发生率，或尽可能减少损失。

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施案例并结合附图，对本发明实施案例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施案例仅用以解释本发明，并不用于限定发明。

实施案例一

如图3所示，展示了本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警***的结构示意图。本实施案例中的一种基于机器视觉的预防闯红灯事故预警***1设于车顶上，具体包括图像收集装置2，图像处理装置3，信息分析装置4，报警装置5。

图像收集装置2设于车辆前方，用于收集车辆前方及侧方实时路况。本实施案例涉及的图像收集装置2可采用摄像模组，摄像模组包括摄像装置、存储装置和处理装置；其中的摄像装置包括但不限于：照相机、视频摄像机、集成有光学***或CCD芯片的摄像模块，本实施案例不作限定。

图像处理装置3与图像收集装置2相连，用于接收和分析处理图像并从中获取信息，信息中包括交通指示灯存在状态以及交通指示灯状态，侧方向物体种类，物体个数，物体速度。

在本实施案例可选的实现方式中，图像处理装置3可以是嵌入式设备，以嵌入式的方式集成于车辆上，所述图像处理装置可以嵌入于车辆上的嵌入式设备，如ARM(AdvancedRISC Machines)控制器、SoC(System on Chip)控制器等。嵌入式设备中主要运行目标检测算法和神经网络图像分类算法，利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类，利用目标模型检测实时图像停车线位置，判断交通指示灯存在状态。持续跟踪目标，并测算出目标距离及移动速度。所述目标检测模型可以通过与现有技术相结合达到目的。

可选的，目标检测模型可以运用现有的技术，例如SSD，Faster-RCNN等。将图像中各部分分割识别。举例来说，交通指示灯检测及状态分类具体为以下几个步骤

步骤1)选取数量众多的交通指示灯模型并按照空间特征和颜色特征进行分类存入数据库中。

步骤2)装载有该设备的车辆到达十字路口并获取前方及侧方的实时图像。

步骤3)将实时图像与数据库中的交通指示灯模型比较，根据空间特征，例如高度，宽度，长度；形状特征；颜色特征进行比对，根据匹配度获取分数，当分数高于一定阈值时，则判断为此处具有交通指示灯。可选的，目标检测模块可以进行联网，从网络或实时地图中获取该地交通指示灯存在状态，进行辅助判断。

步骤4)因为现阶段颜色模型为通过三原色混合而成，所以可以根据图像中指示灯区域，进行三原色色素比较，具体而言，对已判断为交通指示灯的区域进行颜色比对，若色素块更偏向R，则红色+1分，若色素块更偏向G，则绿色+1，若对R和G偏向度相近，则黄色+1，通常得分数多的为当前状态。

实施案例二

如图4所示，展示了本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警方法的流程示意图。需说明的是，本实施案例的方法应用于图像处理装置；所述图像处理装置可以嵌入于车辆上的嵌入式设备，如ARM(Advanced RISC Machines)控制器、SoC(System on Chip)控制器等。

在步骤S6中，装置接收路况实时画面。

在步骤S7中，利用目标检测模型和图像分类算法判别交通指示灯状态，物体种类，停车线。

可选的，目标检测模型可以运用现有的技术，例如SSD，Faster-RCNN等。将图像中各部分分割识别。图像分类算法可以运用现有的例如为卷积神经网络图像分类模型、随机森林分类模型、AdBoost分类模型、SVM分类模型等。

举例来说，交通指示灯检测及状态分类具体为以下几个步骤

步骤1)选取数量众多的交通指示灯模型并按照空间特征和颜色特征进行分类存入数据库中。

步骤2)装载有该设备的车辆到达十字路口并获取前方及侧方的实时图像。

步骤3)将实时图像与数据库中的交通指示灯模型比较，根据空间特征，例如高度，宽度，长度；形状特征；颜色特征进行比对，根据匹配度获取分数，当分数高于一定阈值时，则判断为此处具有交通指示灯。可选的，目标检测模块可以进行联网，从网络或实时地图中获取该地交通指示灯存在状态，进行辅助判断。

步骤4)因为现阶段颜色模型为通过三原色混合而成，所以可以根据图像中指示灯区域，进行三原色色素比较，具体而言，对已判断为交通指示灯的区域进行颜色比对，若色素块更偏向R，则红色+1分，若色素块更偏向G，则绿色+1，若对R和G偏向度相近，则黄色+1，通常得分数多的为当前状态。

在步骤S8中，利用跟踪装置跟踪目标，并通过多组实时画面，目标的位移和所计算时间测算出目标的实时速度。

可选的，图像跟踪装置可利用NCAST图像差分及聚类运算完成任务。

具体的，跟踪装置通过跟踪目标并在多组实时画面寻找目标，并进行图像对比，得出目标在单位时间内的位移数值，从而得出物体的实时速度，并以此类推获得不少于三组实时速度，以供信息分析装置进一步分析。

在步骤S9中，将上述实时图像中的信息外送，以供信息分析装置进一步分析信息。

需说明的是，本实施案例中应用于图像处理装置的所述一种基于机器视觉的预防闯红灯事故预警方法，其实施方式与实施案例一中提供的一种基于机器视觉的预防闯红灯事故预警***类似，故而不再赘述。

实施案例三

如图5所示，展示了本发明一实施案例中一种基于机器视觉的预防闯红灯事故预警方法的流程示意图。需说明的是，本实施案例的方法应用于信息分析装置；所述信息分析装置可以嵌入于车辆上的嵌入式设备，如ARM(Advanced RISC Machines)控制器、SoC(System on Chip)控制器等。

在步骤10中，信息分析装置获得图像处理装置外送的信息。

在步骤11中，信息分析装置根据图像装置获得的不少于三组的目标实时速度，物体距停车线的距离信息进行数据计算拟合，并进行路径模拟。

具体的，若当前目标不少于三组实时速度不为降序排列，则信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，物体目标实时速度v，进行路径模拟，模拟目标在以当前速度v在一秒后的移动距离x1，若x1>x，则判断为会闯红灯，若计算得到x1<x，则判断为不会闯红灯。若当前目标不少于三组实时速度为降序排列，则会根据不少于三组数据，不多于五组数据v1,v2,v3...,求出两相邻数据的差值的最大值，记为a，信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，进行路径模拟，模拟目标在以最小速度vn和最大减速加速度a在一秒后的移动距离x2，若x2>x，则判断为会闯红灯，若计算得到x2<x，则判断为不会闯红灯。应注意的是，在时间小于1秒时，物体减速运动默认为匀速减速运动。

进一步的，对于不少于三组实时速度不为降序排列的，进行数据拟合时会向***登记数据，下次数据拟合时优先和已有数据库进行数据对比。通过物体目标距离停车线距离，物体目标种类，和数据库进行对比。若不少于三组的实时速度不为降序排列，则根据数据库记录的安全数值进行比对，若实时速度大于安全值，则向报警装置发送信号和信息。

在步骤12中，判断模块会根据模拟结果做出判断，若判断为可能闯红灯，则向报警装置发送信号及信息，信息应包括物体种类，物体方向。

需说明的是，本实施案例中应用于信息分析装置的所述一种基于机器视觉的预防闯红灯事故预警方法，其实施方式与实施案例一中提供的一种基于机器视觉的预防闯红灯事故预警***类似，故而不再赘述。

实施案例四

如图6所示，展示了本发明一实施案例中的图像处理装置的结构示意图。本实施案例的图像处理装置13包括第一接收模块14，图像分类模块15，目标检测模块16，目标跟踪模块17，第一发送模块18。

第一接收模块14，接收车辆前方及侧方实时路况；图像分类模块15，利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类；目标检测模块16，利用目标模型检测实时图像停车线位置，判断交通指示灯存在状态；目标跟踪装置17，持续跟踪目标，并测算出目标距离及移动速度；第一发送模块18，将所述实时图像中的信息外送，以供信息分析装置进一步分析信息。

应理解以上装置的各个模块的划分仅仅是一种逻辑划分，实际实现时可以全部或部分集成到一个装置上，也可以物理上分开。且这些模块也可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。

需说明的是，本实施案例中的图像处理装置，其实施方式与实施案例一中提供的一种基于机器视觉的预防闯红灯事故预警***类似，故而不再赘述。

实施案例五

如图7所示，展示了本发明一实施案例中的信息分析装置的结构示意图。本实施案例的信息分析装置19包括第二接收模块20，计算模拟模块21，判断模块22，第二发送模块23。

第二接收模块20，获取图像处理装置发出的信息；计算模拟模块21，根据信息中获取的物体种类，实时速度，通过函数计算预测物体轨迹；判断模块22，用于根据所述交通指示灯信息判断为当前横向方向为红灯或黄灯时，根据获取物体目标多个实时速度，根据其速度是否为降序排列和模拟结果，判断其闯红灯的可能性；第二发送模块23，向报警装置发送信号和已判断为会闯红灯的目标信息，信息包含目标种类，方向。

应理解以上装置的各个模块的划分仅仅是一种逻辑划分，实际实现时可以全部或部分集成到一个装置上，也可以物理上分开。且这些模块也可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。

实施案例六

本实施案例一种提供车载计算装置，所需至少2台计算装置，分别为第一，第二计算装置，所述第一计算装置用于实现应用于图像处理装置的一种基于机器视觉的预防闯红灯事故预警方法，第二计算装置用于实现应用于信息分析装置的一种基于机器视觉的预防闯红灯事故预警方法。

综上所述，本发明提供一种基于机器视觉的预防闯红灯事故预警***、方法，用于提前对驾驶员发出警告，从而避免或减少闯红灯事故的损失。

上述实施案例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施案例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于机器视觉的预防闯红灯事故预警***，其特征在于，所述***设于车顶上，其包括：

图像收集装置，用于收集车辆前方及侧方的实时图像；

图像处理装置，用于接收和分析处理图像并从中获取信息，信息中包括交通指示灯是否存在以及交通指示灯状态，侧方向物体种类，物体个数，物体速度，物体移动方向；

信息分析装置，分别连接图像处理装置和报警装置；用于通过图像处理装置获得的信息进行进一步的判断分析，分析物体是否有闯红灯的可能性，并向报警装置发送信号和信息；

报警装置，通过信息分析装置发送的信号和信息，向车辆驾驶员发出预警信息，预警信息包括对方物体种类，移动方向，并提醒注意减速避让。

2.如权利要求1所述的一种基于机器视觉的预防闯红灯事故预警***，所述信息分析装置可以通过图像处理装置发送的信息进行拟合数据计算，并预测轨迹，判断是否可能闯红灯。

3.如权利要求2所述的信息分析装置，通过图像处理装置获得多组目标的实时速度，判断是否为降序排列，以及是否达到安全值，对目标闯红灯可能性进行判断；

具体的，若当前目标不少于三组实时速度不为降序排列，则信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，物体目标实时速度v，进行路径模拟，模拟目标在以当前速度v在一秒后的移动距离x1，若x1>x，则判断为会闯红灯，若计算得到x1<x，则判断为不会闯红灯；若当前目标不少于三组实时速度为降序排列，则会根据不少于三组数据，不多于五组数据v1,v2,v3...,求出两相邻数据的差值的最大值，记为a，信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，进行路径模拟，模拟目标在以最小速度vn和最大减速加速度a在一秒后的移动距离x2，若x2>x，则判断为会闯红灯，若计算得到x2<x，则判断为不会闯红灯；应注意的是，在时间小于1秒时，物体减速运动默认为匀速减速运动；

进一步的，对于不少于三组实时速度不为降序排列的，进行数据拟合时会向***登记数据，下次数据拟合时优先和已有数据库进行数据对比；通过物体目标距离停车线距离，物体目标种类，和数据库进行对比；若不少于三组的实时速度不为降序排列，则根据数据库记录的安全数值进行比对，若实时速度大于安全值，则向报警装置发送信号和信息。

4.一种基于机器视觉的预防闯红灯事故预警方法，其特征在于，应用在所述图像处理装置设于车辆上，所述方法包括：

接收车辆前方及侧方的实时路况；

利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类；

利用目标模型检测实时图像停车线位置，判断交通指示灯存在状态；

举例来说，交通指示灯检测及状态分类具体为以下几个步骤：

步骤1)选取数量众多的交通指示灯模型并按照空间特征和颜色特征进行分类存入数据库中；

步骤2)装载有该设备的车辆到达十字路口并获取前方及侧方的实时图像；

步骤3)将实时图像与数据库中的交通指示灯模型比较，根据空间特征，例如高度，宽度，长度；形状特征；颜色特征进行比对，根据匹配度获取分数，当分数高于一定阈值时，则判断为此处具有交通指示灯；可选的，目标检测模块可以进行联网，从网络或实时地图中获取该地交通指示灯存在状态，进行辅助判断；

步骤4)因为现阶段颜色模型为通过三原色混合而成，所以可以根据图像中指示灯区域，进行三原色色素比较，具体而言，对已判断为交通指示灯的区域进行颜色比对，若色素块更偏向R，则红色+1分，若色素块更偏向G，则绿色+1，若对R和G偏向度相近，则黄色+1，通常得分数多的为当前状态；

持续跟踪目标，并测算出目标距离及移动速度；

将所述实时图像中的信息外送，以供信息分析装置进一步分析信息。

5.一种基于机器视觉的预防闯红灯事故预警方法，其特征在于，应用于所述的信息分析装置设于车辆中，所述方法包括：

获取图像处理装置发出的信息；

用于根据所述交通指示灯信息判断为当前横向方向为红灯或黄灯时，根据信息中获取的物体种类，实时速度，距离停车线的距离，通过函数计算预测物体轨迹；

根据获取物体目标多个实时速度，判断其速度是否为降序排列，判断其闯红灯的可能性；

具体的，若当前目标不少于三组实时速度不为降序排列，则信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，物体目标实时速度v，进行路径模拟，模拟目标在以当前速度v在一秒后的移动距离x1，若x1>x，则判断为会闯红灯，若计算得到x1<x，则判断为不会闯红灯；若当前目标不少于三组实时速度为降序排列，则会根据不少于三组数据，不多于五组数据v1,v2,v3...,求出两相邻数据的差值的最大值，记为a，信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，进行路径模拟，模拟目标在以最小速度vn和最大减速加速度a在一秒后的移动距离x2，若x2>x，则判断为会闯红灯，若计算得到x2<x，则判断为不会闯红灯；应注意的是，在时间小于1秒时，物体减速运动默认为匀速减速运动；

进一步的，对于不少于三组实时速度不为降序排列的，进行数据拟合时会向***登记数据，下次数据拟合时优先和已有数据库进行数据对比；通过物体目标距离停车线距离，物体目标种类，和数据库进行对比；若不少于三组的实时速度不为降序排列，则根据数据库记录的安全数值进行比对，若实时速度大于安全值，则向报警装置发送信号和信息；

向报警装置发送信号和已判断为会闯红灯的目标信息，信息包含目标种类，方向。

6.一种基于机器视觉的预防闯红灯事故预警方法，其特征在于，应用于所述的报警装置设置于车辆中，其方法为根据信息分析装置发送的信号和信息向驾驶者发出预警信息，具体信息包括物体种类，物体方向，及注意避让。

7.一种图像处理装置，其包括：

第一接收模块，接收车辆前方及侧方的实时路况；

图像分类模块，利用图像分类辨别车辆前方及侧方物体种类，以及对交通指示灯状态进行分类；

目标检测模块，利用目标模型检测实时图像中停车线位置，判断交通指示灯存在状态；

目标跟踪装置，持续跟踪目标，并测算出目标距离及移动速度；

第一发送模块，将所述实时图像中的信息外送，以供信息分析装置进一步分析信息。

8.一种信息分析装置，其包括：

第二接收模块，获取图像处理装置发出的信息；

计算模拟模块，根据信息中获取的物体种类，实时速度，通过函数计算预测物体轨迹；

判断模块，用于根据所述交通指示灯信息判断为当前横向方向为红灯或黄灯时，根据获取物体目标多个实时速度，判断其速度是否为降序排列，判断其闯红灯的可能性；

具体的，若当前目标不少于三组实时速度不为降序排列，则信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，物体目标实时速度v，进行路径模拟，模拟目标在以当前速度v在一秒后的移动距离x1，若x1>x，则判断为会闯红灯，若计算得到x1<x，则判断为不会闯红灯；若当前目标不少于三组实时速度为降序排列，则会根据不少于三组数据，不多于五组数据v1,v2,v3...,求出两相邻数据的差值的最大值，记为a，信息分析装置会根据图像处理装置中获得的横向道路两侧的停车线位置，设为la,lb，物体目标距离la或lb的距离x，进行路径模拟，模拟目标在以最小速度vn和最大减速加速度a在一秒后的移动距离x2，若x2>x，则判断为会闯红灯，若计算得到x2<x，则判断为不会闯红灯；应注意的是，在时间小于1秒时，物体减速运动默认为匀速减速运动；

进一步的，对于不少于三组实时速度不为降序排列的，进行数据拟合时会向***登记数据，下次数据拟合时优先和已有数据库进行数据对比；通过物体目标距离停车线距离，物体目标种类，和数据库进行对比；若不少于三组的实时速度不为降序排列，则根据数据库记录的安全数值进行比对，若实时速度大于安全值，则向报警装置发送信号和信息；

第二发送模块，向报警装置发送信号和已判断为会闯红灯的目标信息，信息包含目标种类，方向。

9.一种报警装置，其包括：

第三接收模块，用于接收信息分析装置发送的信号和信息；

播音模块，用于向车辆驾驶员发送语音信息，信息应包括物体种类，移动方向，及“注意减速避让”。

10.车载计算装置，所需至少2台计算装置，分别为第一，第二计算装置，所述第一计算装置用于实现权利要求4所述的一种基于机器视觉的预防闯红灯事故预警方法，第二计算装置用于实现权利要求5所述的一种基于机器视觉的预防闯红灯事故预警方法。

Images