CN112687103A - 基于车联网技术的车辆变道的检测方法及系统 - Google Patents

Abstract

本发明提供了基于车联网技术的车辆变道的检测方法及系统，所述方法包括：A：根据当前车辆的运动信息以及当前车辆的当前指向，获取针对于当前车辆的当前虚拟车道线；B：识别出智能行车记录仪拍摄的当前视频帧中的目标车辆的轮廓线，并根据所述轮廓线获取目标车辆的剪影覆盖的目标区域；C：将当前虚拟车道线映射到当前视频帧中，在所述目标区域与当前虚拟车道线交叉时，判定目标车辆发生变道；D：获取目标车辆发生变道的时刻，将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台。应用本发明实施例，可以降低智能行车记录仪的运行负载。

Description

基于车联网技术的车辆变道的检测方法及系统

技术领域

本发明涉及车辆安全技术领域，具体涉及基于车联网技术的车辆变道的检测方法及系统。

背景技术

随着我国经济发展水平的不断提高，国民对汽车的消费热情也在水涨船高，因此，道路上行驶的车辆也越来越多，进而导致在道路上的拥堵也越来越严重。研究表明，在道路上的交通事故至少有五分之一是由随意变道导致的，隧道内八成以上的交通事故是由随意变道导致。因此，如何治理随意变道，如强行变道、加塞等行为是亟待解决的技术问题。

现有技术中，申请号为201610053838.6的发明专利申请公开了一种车辆违规加塞的举证方法及其系统，该方案是根据触发指令进行视频帧信息的上传，并未涉及违章识别的内容，因此，功能较为简单。申请号为201810274164.1的发明专利申请公开了一种基于智能识别的交通违章监督系统运行的优化方法，该方案是基于图像识别技术实现车辆违章识别以及违章证据上传。申请号为201710800246.0的发明专利申请公开了一种用于行车变道检测记录及违章变道举报控制的系统及方法，该方案也是基于图像识别技术进行违章识别以及证据上传。

虽然现有技术中避免了用户再次翻找录像的麻烦，但是，现有技术中都要使用到图像识别技术识别出车道线，识别出车辆，并进行违章的判定。随着硬件技术的发展，目前应用的智能行车记录仪拍摄的图像的分辨率也越来越高，视野内物体的纹理也越来越清晰，因此，图像在数据量不断增大的同时，其中包含的细节越来越多，加大了图像识别模型所要处理的信息的容量。而且为了能够得到清晰的图像，智能行车记录仪拍摄的视频的帧率也越来越高，也就是说每秒所拍摄的图像的数量更多了，进一步加重了图像识别模型的运行负担。最后，大部分智能行车记录仪的电源来自于车辆中的USB接口，USB接口的输出功率有限，很难负担起智能行车记录仪中图像拍摄、图像存储、图像识别芯片的运行负载，因此，现有技术中存在智能行车记录仪运行负载较大的技术问题。

发明内容

本发明所要解决的技术问题在于如何提供基于车联网技术的车辆变道的检测方法及系统以降低智能行车记录仪的运行负载。

本发明通过以下技术手段实现解决上述技术问题的：

本发明提供了基于车联网技术的车辆变道的检测方法，所述方法包括：

A：根据当前车辆的运动信息以及当前车辆的当前指向，获取针对于当前车辆的当前虚拟车道线；

B：识别出智能行车记录仪拍摄的当前视频帧中的目标车辆的轮廓线，并根据所述轮廓线获取目标车辆的剪影覆盖的目标区域；

C：将当前虚拟车道线映射到当前视频帧中，在所述目标区域与当前虚拟车道线交叉时，判定目标车辆发生变道；

D：获取目标车辆发生变道的时刻，将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台。

可选的，在步骤A之前，所述方法还包括：

在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的车道线，沿着视频帧中车道线的延伸方向，在视频帧中对应位置生成初始虚拟车道线，其中，所述设定时间节点包括：车辆启动第一设定时长时、车辆匀速行驶时、车辆行驶速度高于第一设定值时；

所述步骤A，包括：

将所述初始虚拟车道线作为当前虚拟车道线；

获取当前时刻时当前车辆的运动信息，其中，所述运动信息包括：转向角度、爬坡角度、下坡角度中的一种或组合；

根据所述运动信息对当前虚拟车道线的角度以及位置进行修正；

将修正后的当前虚拟车道线作为当前虚拟车道线，并返回执行所述获取当前时刻时当前车辆的运动信息的步骤。

可选的，所述根据所述运动信息对当前虚拟车道线的角度以及位置进行修正，包括：

获取当前车辆在当前时刻的转向角度，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野边界构成的梯形的底边中点为中心，按照所述转向角度同向等角旋转当前虚拟车道线。

可选的，所述根据所述运动信息对当前虚拟车道线的角度以及位置进行修正，包括：

获取预先标定的智能行车记录仪的拍摄参数，其中，所述拍摄参数包括：拍摄宽度、能够拍摄的道路长度；

利用公式，

计算出当前虚拟车道线之间的夹角，其中，

h_{当前拍摄距离}为当前车辆在当前拍摄道路长度时对应的像素高度；h_{水平拍摄条件下}为在车辆处于水平状态下，当前虚拟车道线对应的像素高度；l_当前坡度为预先标定的与当前道路坡度相同坡度下智能行车记录仪能够拍摄的道路长度；l_水平条件为预先标定的车辆处于水平道路上智能行车记录仪能够拍摄的道路长度；θ为当前虚拟车道线之间形成的夹角；arctan为反正切函数；w_{车道宽度对应的像素宽度}为车道宽度对应的像素宽度；

以当前虚拟车道线之间的夹角为目标，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野下边界交叉点为圆心，相向或者相离旋转虚拟车道线。

可选的，所述方法还包括：

在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的实际车道线，根据所述实际车道线在视频帧中的对应位置以及延伸方向上校正当前虚拟车道线，其中，所述设定时间节点包括：车辆启动第二设定时长时、车辆匀速行驶时、智能行车记录仪拍摄范围内车辆数量少于设定数量时、车辆行驶速度高于第二设定值时。

可选的，所述方法还包括：

在识别出目标车辆发生变道之后，将识别出的目标车辆的特征信息广播发送至周围除目标车辆自身以外的其他车辆，以使其他车辆在接收到该车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台，其中，所述特征信息包括：车牌号、车型、车辆颜色中的一种或组合。

可选的，所述将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台，包括：

通过部署在交通控制设施处的无线节点连接到交警云平台，并将对应的视频文件上传，其中，所述交通控制设施包括：交通信号灯、视频监控、尾气监控、智能路牌、车速监控探头中的一种或组合。

可选的，所述将对应的视频文件上传，包括：

根据预先选择的起点、中点、以及终点从对应的视频文件中进行视频帧的一次抽取；

根据当前车辆在当前时刻的车速，利用公式，

计算出视频文件中需要二次抽取的视频帧数量，并根据该数量抽取对应的视频帧，其中，

m为视频文件中需要二次抽取的视频帧数量；k为预先设定的取值系数；v为当前车辆在当前时刻的车速；c为预先设定的调节常数；

将一次抽取的视频帧与二次抽取的视频帧按照时间顺序排序后得到的视频帧序列作为视频文件上传的交警云平台。

本发明还提供了基于车联网技术的车辆变道的检测系统，所述系统包括：

基于上述任一项的智能行车记录仪，和交警云平台，其中，交警云平台用于接收视频文件，并进行违章的识别。

可选的，所述系统还包括：

其他车辆，用于在接收到当前车辆广播的车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台。

本发明的优点在于：

应用本发明实施例，通过为车道线设置虚拟车道线，根据虚拟车道线进行车辆变道的识别，进而在识别到车辆发生变道之后，将对应的视频文案上传到交警云平台，由交警云平台进行违章变道的识别，本发明实施例相对于现有技术，避免了进行车道线图像识别的计算量，进而降低了智能行车记录仪的芯片的运算量，降低了智能行车记录仪的运行负载。

附图说明

图1为本发明实施例提供的基于车联网技术的车辆变道的检测方法的流程示意图；

图2为本发明实施例中当前虚拟车道线示意图；

图3为本发明实施例中当前虚拟车道线与实际画面的配合示意图；

图4为本发明实施例提供的基于车联网技术的车辆变道的检测系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。

实施例1

图1为本发明实施例提供的基于车联网技术的车辆变道的检测方法的流程示意图，如图1所示，所述方法包括：

S101：根据当前车辆的运动信息以及当前车辆的当前指向，获取针对于当前车辆的当前虚拟车道线。

示例性的，在当前车辆在水平道路上时，安装在当前车辆上的智能行车记录仪的摄像头向当前车辆的正前方拍摄视频。由于光学透视效应，所拍摄的画面中，随着距离的不断推远，车道线远离摄像头的一端之间的间距会越来越小，因此，在画面中，两条车道线会产生汇聚的效果。

利用北斗定位模块解算出车辆的坐标以及运动方向，进而根据车辆的坐标以及运动方向定位出车辆所在的道路，或者车辆所在的车道。

图2为本发明实施例中当前虚拟车道线示意图，如图2所示，本发明实施例中智能行车记录仪的人机交互界面上显示的当前虚拟车道线的左侧车道线为201，右侧车道线为202。通常情况下，车辆都会行驶在车道中间，因此，实际车道会位于人机交互界面的中部，因此，可以在智能行车记录仪200的中部以所拍摄画面的左右对称轴为中线，对称生成对应的当前虚拟车道线。

需要强调的是，当前虚拟车道线之间的间距以及二者之间的夹角可以预先标定在智能行车记录仪200中。

在本步骤的另一种具体实施方式中，还可以预先标定出不同车道宽度条件下分别对应的当前虚拟车道线，例如，当前虚拟车道线之间的夹角，以及当前虚拟车道线分别与视界底边的交叉点之间的距离。

然后，根据当前车辆在当前时刻的坐标获取其行驶的道路，进而在道路数据库中查询到该道路的各种道路参数，进而查询到车道宽度，然后查询出对应的当前虚拟车道线使用。

S102：识别出智能行车记录仪拍摄的当前视频帧中的目标车辆的轮廓线，并根据所述轮廓线获取目标车辆的剪影覆盖的目标区域。

示例性的，针对智能行车记录仪拍摄的视频帧进行实时识别，以当前视频帧为例，利用部署在智能行车记录仪中的图像识别算法，识别出当前视频帧中包含的各个其他车辆的轮廓线，并将轮廓线封闭的区域作为其他车辆的剪影覆盖的目标区域。

需要说明的是，在本步骤中，可以预先构建出样本集，该样本集中包含了各种车型下不同颜色的目标车辆在不同状态下行驶在道路上的图像，且这些图像中预先标注了车辆的轮廓；利用这些样本训练出车辆轮廓识别神经网络模型，再利用训练后的神经网络模型进行车辆轮廓线的识别。

S103：图3为本发明实施例中当前虚拟车道线与实际画面的配合示意图，如图3所示，将当前虚拟车道线映射到当前视频帧中，在所述目标区域与当前虚拟车道线交叉时，判定目标车辆发生变道。

S104：获取目标车辆发生变道的时刻，将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台。

以目标车辆发生变道的时刻作为当前时刻，以该时刻为时间起点，获取智能行车记录仪拍摄的当前时刻之前第一时段内的视频片段作为视频文件上传到交警云平台。进一步的，考虑到设备进行变道识别带来的延迟，并避免目标车辆变道图像信息的损失，可以将当前时刻之前第一时段内的视频片段以及当前时刻之后第二时段内的视频片段作为视频文件上传到交警云平台。

同时，为了交警部门取证方便，提高证据的说服力，将当前时刻时当前车辆的坐标一并上传。

进一步的，为了节约智能行车记录仪的上传流量，可以在交通信号灯上部署无线节点，或者在测速摄像头处部署无线节点，还可以在尾气检测探头处部署无线节点。

当前车辆通过部署在交通控制设施处的无线节点连接到交警云平台，并将对应的视频文件上传，其中，所述交通控制设施包括：交通信号灯、视频监控、尾气监控、智能路牌、车速监控探头中的一种或组合。

在步骤S104的另一种具体实施方式中，还可以根据预先选择的起点、中点、以及终点从对应的视频文件中进行视频帧的一次抽取：例如，进行视频帧抽取前的视频文件包含的视频帧为：

帧-1、帧-2、帧-3、帧-4、帧-5、帧-6、帧-7、帧-8、帧-9、帧-10、…、帧-100、帧-101。

车辆识别出变道的起点为帧-3；变道的终点为帧-100；则中点为帧-51。

然后，根据当前车辆在当前时刻的车速，利用公式，

计算出视频文件中需要二次抽取的视频帧数量，并根据该数量抽取对应的视频帧，其中，m为视频文件中需要二次抽取的视频帧数量；k为预先设定的取值系数，该值一般取值为5-15；v为当前车辆在当前时刻的车速，且v∈(0,60)，由于城市道路中车辆速度很少高于60km/h，因此，车速取值范围低于60km/h；而且当车辆速度较高，例如高于60km/h时，车辆变道的速度很快，为了清晰取证，不再适用前述公式，即不再进行视频帧的抽取，直接识别出变道行为之后，将对应的视频文件原文件进行上传；c为预先设定的调节常数，该值可以根据实际情况进行调节，取值范围一般为1-10。

例如，计算出的需要二次抽取的视频帧的数量为20，则从帧-4、…、帧-99之间再均匀间隔的抽取20帧。

将一次抽取的视频帧与二次抽取的视频帧按照时间顺序排序后得到的视频帧序列作为视频文件上传的交警云平台：将帧-3、二次抽取的20帧、帧-51、帧-100按照时间顺序排列得到视频帧序列，将该序列作为本步骤中得到的视频文件并上传到交警云平台。

交警云平台在接收到视频文件之后，利用强大的算力运行自身中部署的更加强大且完善的图像识别模型进行目标车辆是否违章变道的识别。

应用本发明实施例，抽取部分视频帧进行上传，减少了上传数据量，降低了交警云平台的数据传输以及识别压力，同时，还可以提高识别效率。

而且，本发明实施例可以根据车辆速度实时调节二次抽取的视频帧的数量，提高了适应性。

另外，随着智能行车记录仪的高清化以及高帧率化，本发明实施例的优点更加明显。

实施例2

根据国家《城市规划定额指标暂行规定》的有关规定，道路可划分为四级，不同级别道路上车道的宽度是存在区别的，车道宽度从2.8-3.75米不等。由于车道宽度是可变的，因此，实施例1中生成的当前虚拟车道线应当根据实际路况进行调整。

因此，本发明实施例2在实施例1的基础上，在S101步骤之前增加了以下步骤：

首先，在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的车道线，沿着视频帧中车道线的延伸方向，在视频帧中对应位置生成初始虚拟车道线，其中，所述设定时间节点包括：车辆启动第一设定时长时、车辆匀速行驶时、智能行车记录仪拍摄范围内车辆数量少于设定数量时、车辆行驶速度高于第一设定值时；例如，通常情况下，车辆在启动之后需要暖车3分钟左右，然后离开车位进入城市道路，通常情况下，可以在车辆启动十分钟之后，利用部署的车道线识别模型识别出画面中的实际车道线，并根据实际车道线生成初始虚拟车道线。在生成初始虚拟车道线之后，暂停车道线识别模型的运行，将所述初始虚拟车道线作为当前虚拟车道线。

然后，获取当前时刻时当前车辆的运动信息，其中，所述运动信息包括：转向角度、爬坡角度、下坡角度、前进或者后退中的一种或组合，再对当前虚拟车道线进行修正：例如，此时当前车辆发生了转向，则当前虚拟车道线也进行通向转动，转动时，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野边界构成的梯形的底边中点为中心，按照所述转向角度同向等角旋转当前虚拟车道线；在车辆转向过程中，车辆在垂直于车道延伸方向上可能发生位移，因此，按照预先标定的，视频帧与实际道路之间的映射比例关系，计算出车道线应道移动的像素距离，然后按照该像素距离将当前虚拟车道线向与车辆位移方向相反的方向平移。

类似的，在当前车辆将要上坡或者下坡时，可以从电子地图中获取该坡道的坡度，然后，获取预先标定的智能行车记录仪的拍摄参数，其中，所述拍摄参数包括：拍摄宽度、能够拍摄的道路长度；

利用公式，

计算出当前虚拟车道线之间的夹角，其中，

h_{当前拍摄距离}为当前车辆在当前拍摄道路长度时对应的像素高度；h_{水平拍摄条件下}为在车辆处于水平状态下，当前虚拟车道线对应的像素高度；l_当前坡度为预先标定的与当前道路坡度相同坡度下智能行车记录仪能够拍摄的道路长度；l_水平条件为预先标定的车辆处于水平道路上智能行车记录仪能够拍摄的道路长度；θ为当前虚拟车道线之间形成的夹角；arctan为反正切函数；w_{车道宽度对应的像素宽度}为车道宽度对应的像素宽度；

也就是说或，当车辆上坡时，与当前道路坡度相同坡度下智能行车记录仪能够拍摄的道路长度会边长，进而使当前虚拟车道线之间形成的夹角会变小，当车辆下坡时，与当前道路坡度相同坡度下智能行车记录仪能够拍摄的道路长度变短，进而使当前虚拟车道线之间形成的夹角变大。因此，可以当前虚拟车道线之间的夹角为目标，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野下边界交叉点为圆心，相向或者相离旋转虚拟车道线。

应用本发明实施例，可以根据车辆运动状态实时调节当前虚拟车道线的位置与角度，相对于使用车道线识别算法进行车道线的识别，运算速度更快，智能行车记录仪所负担的运算量更小，效率更高。

另外，在本发明实施例中，在车载智能行车记录仪端进行变道的初次边缘计算的筛选，相对于现有技术中直接上传视频，一方面可以减少数据发送的量，另一方面还可以降低交警云平台的计算量，提高交警云平台处理视频文件的数量；同时，交警云平台中进行二次识别，因此，即使本发明实施例中的车道线存在一定的误差，也不会造成误判，进而导致“冤枉好人”情况的出现。

实施例3

为了更加精确的调节当前虚拟车道线的位置以及角度，本发明实施例3在实施例1的基础上，增加了以下步骤：

在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的实际车道线，根据所述实际车道线生成虚拟车道线，其中，所述设定时间节点包括：车辆启动第二设定时长时、车辆匀速行驶时、智能行车记录仪拍摄范围内车辆数量少于设定数量时、车辆行驶速度高于第二设定值时。

例如，在车辆启动之后的运行时长达到第二设定时长时，说明捷联惯导元件的累积误差已经足够大了，需要进行校准，因此，可以暂时关闭车辆轮廓识别模型，启动车道线识别模型进行车道线的识别，进而根据识别结果校准当前虚拟车道线；

类似的，在车辆匀速行驶时，说明此时路况较为良好，目标车辆变道的概率并不高，因此，可以暂时关闭车辆轮廓识别模型，启动车道线识别模型进行车道线的识别，进而根据识别结果校准当前虚拟车道线；

类似的，在智能行车记录仪拍摄范围内车辆数量少于设定数量时，说明目标车辆变道的概率不高，因此，可以暂时关闭车辆轮廓识别模型，启动车道线识别模型进行车道线的识别，进而根据识别结果校准当前虚拟车道线。

进一步的，在实际应用中，在进行当前虚拟车道线校准时，为了避免漏掉变道的目标车辆，可以不关闭车辆轮廓识别模型，同时运行轮廓识别模型以及车道线识别模型，由于车道线校准耗时比较短，短时间的负载增大并不会造成严重影响。

应用本发明上述实施例，可以根据当前车辆的运动状态实时调节当前虚拟车道线的指向以及角度，使其更加符合当前时刻的实际情况，提高了准确度，进而减少了误判，进一步还减少了上传的视频文件的数量。

实施例4

为了避免误判，尤其是在拥堵路况下，例如，在车道上的车辆密度高于10辆/百米的情况下，判定为拥堵路况。本发明实施例4在实施例1的基础上，增加了以下步骤：

在识别出目标车辆发生变道之后，将识别出的目标车辆的车牌号广播发送至周围除目标车辆自身以外的其他车辆，以使其他车辆在接收到该车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台。

交警云平台在接收到其他车辆发送的视频文件之后，将这些视频文件作为证据一部分使用，进一步提高违章变道识别的准确率。

实施例5

基于实施例1-4任一项技术方案，本发明实施例5提供了基于车联网技术的车辆变道的检测系统。

图4为本发明实施例提供的基于车联网技术的车辆变道的检测系统的结构示意图，如图4所示，所述系统还包括：

基于实施例1-4任一项技术方案的智能行车记录仪501，和交警云平台502，其中，交警云平台502用于接收视频文件，并进行违章的识别。

进一步的，该检测系统还包括：其他车辆，用于在接收到当前车辆广播的车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.基于车联网技术的车辆变道的检测方法，其特征在于，所述方法包括：

A：根据当前车辆的运动信息以及当前车辆的当前指向，获取针对于当前车辆的当前虚拟车道线；

B：识别出智能行车记录仪拍摄的当前视频帧中的目标车辆的轮廓线，并根据所述轮廓线获取目标车辆的剪影覆盖的目标区域；

C：将当前虚拟车道线映射到当前视频帧中，在所述目标区域与当前虚拟车道线交叉时，判定目标车辆发生变道；

D：获取目标车辆发生变道的时刻，将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台。

2.根据权利要求1所述的基于车联网技术的车辆变道的检测方法，其特征在于，在步骤A之前，所述方法还包括：

在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的车道线，沿着视频帧中车道线的延伸方向，在视频帧中对应位置生成初始虚拟车道线，其中，所述设定时间节点包括：车辆启动第一设定时长时、车辆匀速行驶时、车辆行驶速度高于第一设定值时；

所述步骤A，包括：

将所述初始虚拟车道线作为当前虚拟车道线；

获取当前时刻时当前车辆的运动信息，其中，所述运动信息包括：转向角度、爬坡角度、下坡角度、前进或者后退中的一种或组合；

根据所述运动信息对当前虚拟车道线的角度以及位置进行修正；

将修正后的当前虚拟车道线作为当前虚拟车道线，并返回执行所述获取当前时刻时当前车辆的运动信息的步骤。

3.根据权利要求2所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述根据所述运动信息对当前虚拟车道线的角度以及位置进行修正，包括：

获取当前车辆在当前时刻的转向角度，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野边界构成的梯形的底边中点为中心，按照所述转向角度同向等角旋转当前虚拟车道线。

4.根据权利要求2所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述根据所述运动信息对当前虚拟车道线的角度以及位置进行修正，包括：

获取预先标定的智能行车记录仪的拍摄参数，其中，所述拍摄参数包括：拍摄宽度、能够拍摄的道路长度；

利用公式，

计算出当前虚拟车道线之间的夹角，其中，

h_{当前拍摄距离}为当前车辆在当前拍摄道路长度时对应的像素高度；h_{水平拍摄条件下}为在车辆处于水平状态下，当前虚拟车道线对应的像素高度；l_当前坡度为预先标定的与当前道路坡度相同坡度下智能行车记录仪能够拍摄的道路长度；l_水平条件为预先标定的车辆处于水平道路上智能行车记录仪能够拍摄的道路长度；θ为当前虚拟车道线之间形成的夹角；arctan为反正切函数；w_{车道宽度对应的像素宽度}为车道宽度对应的像素宽度；

以当前虚拟车道线之间的夹角为目标，针对当前虚拟车道线中的每一条虚拟车道线，以该条虚拟车道线与视野下边界交叉点为圆心，相向或者相离旋转虚拟车道线。

5.根据权利要求1所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述方法还包括：

在设定时间节点，识别出智能行车记录仪拍摄的视频帧中的实际车道线，根据所述实际车道线在视频帧中的对应位置以及延伸方向上校正当前虚拟车道线，其中，所述设定时间节点包括：车辆启动第二设定时长时、车辆匀速行驶时、智能行车记录仪拍摄范围内车辆数量少于设定数量时、车辆行驶速度高于第二设定值时。

6.根据权利要求1所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述方法还包括：

在识别出目标车辆发生变道之后，将识别出的目标车辆的特征信息广播发送至周围除目标车辆自身以外的其他车辆，以使其他车辆在接收到该车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台，其中，所述特征信息包括：车牌号、车型、车辆颜色中的一种或组合。

7.根据权利要求1所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述将与该时刻对应的视频文件以及该时刻时当前车辆的坐标上传到交警云平台，包括：

通过部署在交通控制设施处的无线节点连接到交警云平台，并将对应的视频文件上传，其中，所述交通控制设施包括：交通信号灯、视频监控、尾气监控、智能路牌、车速监控探头中的一种或组合。

8.根据权利要求7所述的基于车联网技术的车辆变道的检测方法，其特征在于，所述将对应的视频文件上传，包括：

根据预先选择的起点、中点、以及终点从对应的视频文件中进行视频帧的一次抽取；

根据当前车辆在当前时刻的车速，利用公式，

计算出视频文件中需要二次抽取的视频帧数量，并根据该数量抽取对应的视频帧，其中，

m为视频文件中需要二次抽取的视频帧数量；k为预先设定的取值系数；v为当前车辆在当前时刻的车速；c为预先设定的调节常数；

将一次抽取的视频帧与二次抽取的视频帧按照时间顺序排序后得到的视频帧序列作为视频文件上传的交警云平台。

9.基于车联网技术的车辆变道的检测系统，其特征在于，所述系统包括：

基于权利要求1-8任一项的智能行车记录仪，和交警云平台，其中，交警云平台用于接收视频文件，并进行违章的识别。

10.根据权利要求9所述的基于车联网技术的车辆变道的检测系统，其特征在于，所述系统还包括：

其他车辆，用于在接收到当前车辆广播的车牌号之后，搜索自身中存储的与目标车辆变道对应的视频文件，并将该视频文件以及当前时刻的自身坐标上传至交警云平台。

Images