一種車輛變道檢測方法及裝置制造方法
【專利摘要】本發(fā)明適用于智能交通【技術(shù)領(lǐng)域】，提供了一種車輛變道檢測方法及裝置，該方法包括：通過視頻采集裝置獲取道路的視頻圖像；對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對該車輛進行跟蹤，并獲取該車輛的圖像位置以及該視頻圖像對應(yīng)的視頻時間，將該車輛、該車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲；每隔預(yù)設(shè)時間，根據(jù)記錄存儲的該車輛、該車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛；其中，該變道規(guī)則包括該車輛的水平位移超過了圖像車道寬度、該車輛的行駛軌跡越過了車道線中的其中一種或其組合。本發(fā)明可以使得在該車道中的無人駕駛車輛，可以根據(jù)正在變道的車輛進行剎車、減速、變向等操作。
【專利說明】一種車輛變道檢測方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通【技術(shù)領(lǐng)域】，尤其涉及一種車輛變道檢測方法及裝置。
【背景技術(shù)】
[0002]隨著城市車輛數(shù)量的逐漸增多，道路的車輛也越來越多，交通越來越堵塞，在車輛擁擠的交通道路上，車輛可能會以多種情況進行變道，可能是前方建設(shè)需要，可能是前方的交通事故，也可能僅僅是因為想超車。與此同時，無人駕駛車輛(無人駕駛汽車)，憑借其智能駕駛儀，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠?qū)崿F(xiàn)無人駕駛。
[0003]然而，由于現(xiàn)有技術(shù)無法及時檢測正在變道的車輛，給處于在該車道中的無人駕駛車輛帶來安全隱患，降低車道中的無人駕駛車輛運行的效率，并威脅其它車輛的交通安全。例如，當后面的車輛變道時，變道的車輛會闖入或占用車道，若處于占用車道中無人駕駛車輛無法及時反應(yīng)過來時，容易與變道的車輛發(fā)生碰撞，造成交通事故。
[0004]因此對于無法及時檢測車輛變道，給處于在該車道中的無人駕駛車輛帶來的安全隱患不容忽視。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實施例的目的在于提供一種車輛變道檢測方法，旨在解決現(xiàn)有技術(shù)無法及時檢測正在變道的車輛，導(dǎo)致處于在該車道中的無人駕駛車輛的運行效率以及安全性低的問題。
[0006]本發(fā)明實施例是這樣實現(xiàn)的，一種車輛變道檢測方法，包括:
[0007]通過視頻采集裝置獲取道路的視頻圖像；
[0008]對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲；
[0009]每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛；
[0010]其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合；
[0011]其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
[0012]本發(fā)明實施例的另一目的在于提供一種車輛變道檢測裝置，包括:
[0013]獲取單元，用于通過視頻采集裝置獲取道路的視頻圖像；
[0014]檢測單元，用于對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲；
[0015]判斷單元，用于每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛；[0016]其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合；
[0017]其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
[0018]在本發(fā)明實施例中，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛，從而解決了現(xiàn)有技術(shù)無法及時檢測正在變道的車輛，導(dǎo)致處于在該車道中的無人駕駛車輛的運行效率以及安全性低的問題，使得在該車道中的無人駕駛車輛，可以根據(jù)正在變道的無人駕駛車輛進行剎車、減速、變向等操作。
【專利附圖】

【附圖說明】
[0019]圖1是本發(fā)明實施例提供的車輛變道檢測方法的實現(xiàn)流程圖；
[0020]圖2是本發(fā)明實施例提供的在實際應(yīng)用中較佳的實施流程圖；
[0021]圖3是本發(fā)明實施例提供的車輛變道檢測裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0022]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0023]圖1示出了本發(fā)明實施例提供的一種車輛變道檢測方法的實現(xiàn)流程，詳述如下:
[0024]在步驟SlOl中，通過視頻采集裝置獲取道路的視頻圖像；
[0025]其中，視頻采集裝置獲取道路的視頻圖像，可通過安裝車輛內(nèi)/外的視頻采集裝置，通過鏡頭以固定的幀速率捕捉車輛道路前面以及后面的視頻圖像，將視頻圖像的像素的數(shù)據(jù)保存在存儲設(shè)備中，便于后續(xù)從中提取數(shù)據(jù)進行圖像檢測。
[0026]在步驟S102中，對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲；
[0027]其中，采用現(xiàn)有技術(shù)中的任意一種圖像識別的方法，檢測車道中的車輛。
[0028]其中，對車輛進行跟蹤，具體可以對車輛的車牌進行跟蹤。車牌跟蹤的方式包括但不限于CamShift跟蹤、光流跟蹤以及粒子濾波跟蹤。
[0029]其中，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲，以便于后續(xù)查到該車輛所在的車道。
[0030]在步驟S103中，每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛。
[0031]其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合。
[0032]其中，所述變道規(guī)則有四種方式:
[0033]第一種方式:車輛的水平位移超過了圖像車道寬度。
[0034]第二種方式:所述車輛的行駛軌跡越過了車道線。
[0035]車輛的行駛軌跡獲取過程如下:記錄每個視頻圖像中車輛的特征點的位置信息，根據(jù)位置信息對車輛的特征點的位置進行擬合，得到車輛的行駛軌跡。
[0036]進一步地，在預(yù)先設(shè)置的時間內(nèi)，當行駛軌跡中的特征點的坐標，從處于車道線左邊變?yōu)樘幱谠撥嚨谰€右邊時，表示車輛的行駛軌跡越過了車道線。
[0037]在預(yù)先設(shè)置的時間內(nèi)，當行駛軌跡中的特征點的坐標，從處于車道線右邊變?yōu)樘幱谠撥嚨谰€左邊時，表示車輛的行駛軌跡越過了車道線。
[0038]第三種方式:車輛的水平位移超過了圖像車道寬度或所述車輛的行駛軌跡越過了車道線。
[0039]此種方式適用于車輛處于車道中間的場景中，此時車輛的行駛軌跡越過了車道線，其水平位移未超過了圖像車道寬度。
[0040]采用第三種方式，當車輛的水平位移超過了圖像車道寬度，或者所述車輛的行駛軌跡越過了車道線，這兩種條件滿足其中一種時，即表示該車輛為正在變道的車輛。
[0041]第四種方式:車輛的水平位移超過了圖像車道寬度且所述車輛的行駛軌跡越過了車道線中。
[0042]其中，預(yù)設(shè)時間可以為用戶自設(shè)，也可以為系統(tǒng)默認，在此不做限制。
[0043]其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
[0044]其中，圖像車道寬度的獲取過程如下:
[0045]根據(jù)所述邊界線的像素坐標以及所述車道線的像素坐標，生成兩者之間的圖像距離，根據(jù)所述圖像距離以及所述車道線的數(shù)量生成圖像車道寬度。
[0046]其中，根據(jù)圖像的邊界線和車道線的像素坐標，計算邊界線和車道線之間的像素距離，從而獲取到邊界線與車道線之間的圖像距離。對車道線進行統(tǒng)計，獲取到車道線的數(shù)量。
[0047]例如，車道的數(shù)量為四時，也就是四車道時，將邊界線與車道線之間的圖像距離除以四，生成車道寬度。
[0048]在本實施例中，根據(jù)記錄存儲的所述車輛、車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛，從而解決了現(xiàn)有技術(shù)無法及時檢測正在變道的車輛，導(dǎo)致處于在該車道中的無人駕駛車輛的運行效率以及安全性低的問題，使得在該車道中的無人駕駛車輛，可以根據(jù)正在變道的無人駕駛車輛進行剎車、減速、變向等操作。
[0049]作為本發(fā)明的一個優(yōu)選實施例，所述對獲取到的視頻圖像進行車輛檢測，包括:
[0050]獲取所述視頻圖像中的有效區(qū)域；
[0051]將所述有效區(qū)域劃分為圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域；
[0052]在所述圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域內(nèi)，分別進行車輛檢測。
[0053]獲取視頻圖像中的有效區(qū)域，可對視頻圖像進行預(yù)處理，具體地，剔除視頻圖像左右兩邊邊緣區(qū)域，上下部分區(qū)域，保留了視頻圖像中約1/2的高度區(qū)域，避免了由于車牌距離視頻采集設(shè)備的鏡頭較遠時，視頻圖像分辨率較低，邊緣區(qū)域比較模糊，導(dǎo)致在邊緣區(qū)域中檢測出的車牌可靠程度低的情況。
[0054]按照有效的區(qū)域的高度從左到右等分為多個區(qū)域，優(yōu)選地，分為三個區(qū)域，分別是圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域。
[0055]在本實施例中，在所述圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域內(nèi)，分別進行車輛檢測，節(jié)省了檢測的時間，提高了車牌檢測的效率。[0056]作為本發(fā)明的一個優(yōu)選實施例，對所述車輛進行跟蹤，具體為:
[0057]對有效的所述車輛的特征點進行跟蹤，所述特征點包括形狀特征、顏色特征以及特定位置特征中的至少一種。
[0058]其中，判斷所述車輛是否有效，可判斷車輛區(qū)域的邊緣密度是否符合大于預(yù)設(shè)閾值，此處閾值可根據(jù)測試視頻設(shè)置，若邊緣密度大于該預(yù)設(shè)閾值，則判定車輛有效。從而避免了周圍環(huán)境干擾的情況，提高了后續(xù)根據(jù)車輛的的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛的準確率。
[0059]其中，所述特征點包括形狀特征、顏色特征以及特定位置特征中的至少一種。
[0060]例如，車輛特征為形狀特征，后續(xù)根據(jù)車輛的形狀，每次都去匹配這個形狀，然后記錄以此為特征的一個點(該點可以是幾何中心、或者是重心，還有可能是根據(jù)圖像信息得到的極值點)的位置信息。
[0061]特定位置特征為車牌號特征時，后續(xù)根據(jù)車輛的車牌號，每次都去匹配這個車牌號，然后記錄以此為特征的一個點。
[0062]可采用任意一種運動跟蹤的方式，對車道的特征點進行跟蹤。
[0063]作為本發(fā)明的一個優(yōu)選實施例，當所述變道規(guī)則為所述車輛的水平位移超過了一個車道的寬度時，所述判斷出正在變道的車輛，具體為:
[0064]分別獲取所述車輛的特征點的第一坐標和第二坐標；
[0065]根據(jù)所述第一坐標和第二坐標，生成所述車輛的水平位移；
[0066]判斷所述水平位移是否大于一個車道的寬度，當大于時，表示所述車輛的水平位移超過了一個車道的寬度；
[0067]其中，所述第一坐標為所述車輛的特征點在實時視頻圖像中的像素坐標；
[0068]其中，所述第二坐標為所述車輛的特征點在所述實時視頻圖像上一幀視頻圖像中的像素坐標。
[0069]其中，可根據(jù)第一坐標和第二坐標的橫坐標，生成車輛的水平位移。
[0070]在本實施例中，通過車輛的特征點坐標的位置變化，判斷出正在變道的車輛，以便于可以提醒用戶提前做好自身的道路選擇的準備，避免交通意外的發(fā)生。
[0071]作為本發(fā)明的一個優(yōu)選實施例，其特征在于，在所述車輛為正在變道的車輛之后，還包括:
[0072]發(fā)出提醒信息，所述提醒信息包括剎車信息、減速信息、變向信息中的至少一種。
[0073]其中，可以通過現(xiàn)有技術(shù)的任意一種提醒方式進行提醒無人駕駛車輛。提醒信息包括剎車信息、減速信息、變向信息中的至少一種。無人駕駛車輛可根據(jù)接收到的提醒信息，提前做好自身的道路選擇的準備，避免了無法及時反應(yīng)過來時，容易出現(xiàn)與變道的車輛發(fā)生碰撞，造成交通事故的情況，提高了處于在該車道中的無人駕駛車輛的運行效率以及安全性。
[0074]例如，當在后方的車輛準備超車時，后方的車輛進行了變道，此時，可發(fā)出提醒信息，無人駕駛車輛發(fā)現(xiàn)變道的車輛后，車輛進行減速或者變向，以避免后方的車輛高速超車時造成碰撞的情況出現(xiàn)，提高了駕駛的安全性。
[0075]參考圖2，圖2是本發(fā)明在實際應(yīng)用中較佳的實施流程圖，詳述如下:
[0076]在步驟S201中，輸入圖像；[0077]在步驟S202中，尋找車輛特征點；
[0078]尋找特征點:尋找車輛的特征，如:形狀特征，那么可以根據(jù)車輛的形狀，每次都去匹配這個形狀，然后記錄以此為特征的一個點(可以是幾何中心、或者是重心，還有可能是根據(jù)圖像信息得到的極值點)的位置信息。
[0079]在步驟S203中，車輛特征點運動跟蹤；采用任意一種運動跟蹤算法，對車輛特征點運動跟蹤。
[0080]在步驟S204中，判斷是否變道，是則S205，否則S206 ；
[0081]根據(jù)記錄的位置信息生成的軌跡，再計算軌跡的橫向跨度的最大值是否大于一個車道的寬度；車輛是否越過了車道線。在步驟S205中，是則，輸出提醒信息以提醒用戶；
[0082]在步驟S206中，否則，判斷視頻圖像是否最后一幀圖像，是則執(zhí)行S207，否則執(zhí)行S202 ；
[0083]在步驟S207中，停止。
[0084]圖3示出了本發(fā)明實施例提供的一種車輛變道檢測裝置的結(jié)構(gòu)框圖，該裝置可以運行于安裝有視頻采集裝置的無人駕駛車輛，或者非無人駕駛車輛，非無人駕駛車輛包括但不限于出租車、公交車、貨車、私人小汽車、警車。為了便于說明，僅示出了與本實施例相關(guān)的部分。
[0085]參照圖3，該車輛變道檢測裝置，包括:
[0086]獲取單元31，用于通過視頻采集裝置獲取道路的視頻圖像；
[0087]檢測單元32，用于對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲；
[0088]判斷單元33，用于每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛；
[0089]其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合；
[0090]其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
[0091]進一步地，在該裝置中，所述第檢測單元32，包括:
[0092]第一獲取子單元，用于獲取所述視頻圖像中的有效區(qū)域；
[0093]劃分子單元，用于將所述有效區(qū)域劃分為圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域；
[0094]檢測子單元，用于在所述圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域內(nèi)，分別進行車輛檢測。
[0095]進一步地,在該裝置中，所述檢測單元32,還包括:
[0096]跟蹤子單元，對有效的所述車輛的特征點進行跟蹤，所述特征點包括形狀特征、顏色特征以及特定位置特征中的至少一種。
[0097]進一步地，在該裝置中，所述判斷單元，包括:
[0098]第二獲取子單元，用于分別獲取所述車輛的特征點的第一坐標和第二坐標；
[0099]生成子單元，用于根據(jù)所述第一坐標和第二坐標，生成所述車輛的水平位移；
[0100]判斷子單元，用于判斷所述水平位移是否大于一個車道的寬度，當大于時，表示所述車輛的水平位移超過了圖像車道寬度；
[0101]其中，所述第一坐標為所述車輛的特征點在實時視頻圖像中的像素坐標；
[0102]其中，所述第二坐標為所述車輛的特征點在所述實時視頻圖像上一幀視頻圖像中的像素坐標。
[0103]進一步地，在該裝置中，還包括:
[0104]提醒單元，用于發(fā)出提醒信息，所述提醒信息包括剎車信息、減速信息、變向信息中的至少一種。
[0105]在本發(fā)明實施例中，根據(jù)記錄存儲的車輛、車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛，從而解決了現(xiàn)有技術(shù)無法及時檢測正在變道的車輛，導(dǎo)致處于在該車道中的無人駕駛車輛的運行效率以及安全性低的問題，使得在該車道中的無人駕駛車輛，可以根據(jù)正在變道的無人駕駛車輛進行剎車、減速、變向等操作。
[0106]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種車輛變道檢測方法，其特征在于，包括: 通過視頻采集裝置獲取道路的視頻圖像； 對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲； 每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛； 其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合； 其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
2.如權(quán)利要求1所述的方法，其特征在于，所述對獲取到的視頻圖像進行車輛檢測，包括: 獲取所述視頻圖像中的有效區(qū)域； 將所述有效區(qū)域劃分為圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域； 在所述圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域內(nèi)，分別進行車輛檢測。
3.如權(quán)利要求1所述的方法，其特征在于，對所述車輛進行跟蹤，具體為: 對有效的所述車輛的特征點進行跟蹤，所述特征點包括形狀特征、顏色特征以及特定位置特征中的至少一種。
4.如權(quán)利要求1至3任意一項所述的方法，其特征在于，當所述變道規(guī)則為所述車輛的水平位移超過了圖像車道寬度時，所述判斷出正在變道的車輛，具體為: 分別獲取所述車輛的特征點的第一坐標和第二坐標； 根據(jù)所述第一坐標和第二坐標，生成所述車輛的水平位移； 判斷所述水平位移是否大于一個車道的寬度，當大于時，表示所述車輛的水平位移超過了圖像車道寬度； 其中，所述第一坐標為所述車輛的特征點在實時視頻圖像中的像素坐標； 其中，所述第二坐標為所述車輛的特征點在所述實時視頻圖像上一幀視頻圖像中的像素坐標。
5.如權(quán)利要求1所述的方法，其特征在于，在所述車輛為正在變道的車輛之后，還包括: 發(fā)出提醒信息，所述提醒信息包括剎車信息、減速信息、變向信息中的至少一種。
6.一種車輛變道檢測裝置，其特征在于，包括: 獲取單元，用于通過視頻采集裝置獲取道路的視頻圖像； 檢測單元，用于對獲取到的視頻圖像進行車輛檢測，當檢測到車輛時，對所述車輛進行跟蹤，并獲取所述車輛的圖像位置以及所述視頻圖像對應(yīng)的視頻時間，將所述車輛、所述車輛的圖像位置以及視頻時間建立對應(yīng)關(guān)系并記錄存儲； 判斷單元，用于每隔預(yù)設(shè)時間，根據(jù)記錄存儲的所述車輛、所述車輛的圖像位置、視頻時間以及預(yù)先設(shè)置的變道規(guī)則，判斷出正在變道的車輛； 其中，所述變道規(guī)則包括所述車輛的水平位移超過了圖像車道寬度、所述車輛的行駛軌跡越過了車道線中的其中一種或其組合；其中，所述圖像車道寬度為圖像中兩條車道線之間的水平距離。
7.如權(quán)利要求6所述的裝置，其特征在于，所述檢測單元，包括: 第一獲取子單元，用于獲取所述視頻圖像中的有效區(qū)域； 劃分子單元，用于將所述有效區(qū)域劃分為圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域； 檢測子單元，用于在所述圖像左區(qū)域、圖像中間區(qū)域以及圖像右區(qū)域內(nèi)，分別進行車輛檢測。
8.如權(quán)利要求6所述的裝置，其特征在于，所述檢測單元，還包括: 跟蹤子單元，對有效的所述車輛的特征點進行跟蹤，所述特征點包括形狀特征、顏色特征以及特定位置特征中的至少一種。
9.如權(quán)利要求6至8任意一項所述的裝置，其特征在于，所述判斷單元，包括: 第二獲取子單元，用于分別獲取所述車輛的特征點的第一坐標和第二坐標； 生成子單元，用于根據(jù)所述第一坐標和第二坐標，生成所述車輛的水平位移； 判斷子單元，用于判斷所述水平位移是否大于一個車道的寬度，當大于時，表示所述車輛的水平位移超過了圖像車道寬度； 其中，所述第一坐標為所述車輛的特征點在實時視頻圖像中的像素坐標； 其中，所述第二坐標為所述車輛的特征點在所述實時視頻圖像上一幀視頻圖像中的像素坐標。
10.如權(quán)利要求6所述的裝置，其特征在于，還包括: 提醒單元，用于發(fā)出提醒信息，所述提醒信息包括剎車信息、減速信息、變向信息中的至少一種。
【文檔編號】G08G1/16GK103942960SQ201410163347
【公開日】2014年7月23日 申請日期:2014年4月22日 優(yōu)先權(quán)日:2014年4月22日
【發(fā)明者】何善義 申請人:深圳市宏電技術(shù)股份有限公司