一种头戴显示设备的车辆检测方法、装置及头戴显示设备与流程

1.本发明涉及头戴显示设备技术领域，特别涉及一种头戴显示设备的车辆检测方法、装置及头戴显示设备。


背景技术：

2.目前，如ar(augmented reality，增强现实)设备和mr(mediated reality，混合现实)设备等头戴显示设备逐渐融入车辆智能座舱。例如，车辆内的驾驶员和乘客可使用ar眼镜，利用ar眼镜的虚实结合能力，提高车辆内人员的乘车体验。
3.近年来，随着城市化进程的加速和汽车保有量的增加，交通事故呈现出逐年上升的趋势，而车辆追尾在交通事故中占据很大的比例。因此，如何能够利用头戴显示设备，减少车辆行驶过程中车辆追尾的情况，提升车辆行驶的安全性，是现今急需解决的问题。


技术实现要素：

4.本发明的目的是提供一种头戴显示设备的车辆检测方法、装置及头戴显示设备，以利用头戴显示设备的追尾告警，减少车辆行驶过程中车辆追尾的情况，提升车辆行驶的安全性。
5.为解决上述技术问题，本发明提供一种头戴显示设备的车辆检测方法，包括：
6.获取头戴显示设备的摄像头采集的待检测图像；
7.对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域；其中，所述目标车辆区域包括车辆图像；
8.根据所述目标车辆区域，识别车辆行驶情况；其中，所述车辆行驶情况包括正常行驶状态和追尾风险状态；
9.若所述车辆行驶情况为所述追尾风险状态，则控制所述头戴显示设备输出追尾告警信息。
10.在一些实施例中，所述对所述待检测图像进行目标检测，检测所述待检测图像中的目标车辆区域，包括：
11.以车辆尾部特征作为检测目标，对所述待检测图像进行目标检测，得到所述目标车辆区域。
12.在一些实施例中，所述根据所述目标车辆区域，识别车辆行驶情况，包括：
13.根据所述目标车辆区域的规格和规格变化情况，识别所述车辆行驶情况；其中，所述规格变化情况包括变化趋势和变化速度。
14.在一些实施例中，所述根据所述目标车辆区域的规格和规格变化情况，识别所述车辆行驶情况，包括：
15.若当前目标车辆区域的规格大于预设面积、变化趋势为增大且变化速度大于速度阈值，则确定所述车辆行驶情况为所述追尾风险状态；其中，当前目标车辆区域为当前待检测图像中的任一目标车辆区域，当前待检测图像为任一所述待检测图像；
16.若当前目标车辆区域的规格不大于预设面积、变化趋势为减小或变化速度不大于速度阈值，则确定所述车辆行驶情况为所述正常行驶状态。
17.在一些实施例中，所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域之前，还包括：
18.对所述待检测图像进行边缘检测，获取所述待检测图像对应的边缘轮廓图像；
19.根据所述边缘轮廓图像，确定车辆行驶场景；其中，所述车辆行驶场景包括正常场景和雾天场景；
20.若所述车辆行驶场景为所述雾天场景，则执行所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域的步骤。
21.在一些实施例中，所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域，包括：
22.对所述待检测图像进行去雾处理，获取所述待检测图像对应的目标检测输入图像；
23.对所述目标检测输入图像进行目标检测，得到所述目标检测输入图像中的目标车辆区域。
24.在一些实施例中，所述对所述待检测图像进行去雾处理，获取所述待检测图像对应的目标检测输入图像，包括：
25.对所述待检测图像进行去雾处理，得到去雾图像；
26.对所述去雾图像进行边缘检测，得到所述去雾图像对应的目标检测输入图像。
27.在一些实施例中，所述根据所述边缘轮廓信息，确定车辆行驶场景，包括：
28.判断当前待检测图像对应的边缘轮廓图像的像素值之和是否小于像素值阈值；其中，当前待检测图像为任一所述待检测图像；
29.若是，则确定所述车辆行驶场景为所述雾天场景；
30.若否，则确定所述车辆行驶场景为所述正常场景。
31.本发明还提供了一种头戴显示设备的车辆检测装置，包括：
32.图像获取模块，用于获取头戴显示设备的摄像头采集的待检测图像；
33.目标检测模块，用于对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域；其中，所述目标车辆区域包括车辆图像；
34.识别模块，用于根据所述目标车辆区域，识别车辆行驶情况；其中，所述车辆行驶情况包括正常行驶状态和追尾风险状态；
35.告警模块，用于若所述车辆行驶情况为所述追尾风险状态，则控制所述头戴显示设备输出追尾告警信息。
36.此外，本发明还提供了一种头戴显示设备，包括：
37.存储器，用于存储计算机程序；
38.处理器，用于执行所述计算机程序时实现如上述所述的头戴显示设备的车辆检测方法的步骤。
39.本发明所提供的一种头戴显示设备的车辆检测方法，包括：获取头戴显示设备的摄像头采集的待检测图像；对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；其中，目标车辆区域包括车辆图像；根据目标车辆区域，识别车辆行驶情况；其中，车辆
行驶情况包括正常行驶状态和追尾风险状态；若车辆行驶情况为追尾风险状态，则控制头戴显示设备输出追尾告警信息；
40.可见，本发明通过对车辆内用户佩戴的头戴显示设备采集的待检测图像进行目标检测，能够检测待检测图像中车辆目标，从而根据检测到的车辆目标，识别存在车辆追尾风险的追尾风险状态，并在追尾风险状态下控制头戴显示设备输出追尾告警信息；通过提示用户存在追尾风险，减少车辆行驶过程中车辆追尾的情况，提升车辆行驶的安全性。此外，本发明还提供了一种头戴显示设备的车辆检测装置及头戴显示设备，同样具有上述有益效果。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
42.图1为本发明实施例所提供的一种头戴显示设备的车辆检测方法的流程图；
43.图2为本发明实施例所提供的另一种头戴显示设备的车辆检测的流程图；
44.图3为本发明实施例所提供的另一种头戴显示设备的车辆检测的流程示意图；
45.图4为本发明实施例所提供的一种头戴显示设备的车辆检测装置的结构框图；
46.图5为本发明实施例所提供的一种头戴显示设备的结构示意图。
具体实施方式
47.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中的附图，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做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。
48.请参考图1，图1为本发明实施例所提供的一种头戴显示设备的车辆检测方法的流程图。该方法可以包括：
49.步骤101：获取头戴显示设备的摄像头采集的待检测图像。
50.可以理解的是，本实施例中的头戴显示设备可以为车辆内用户(如驾驶员)头部佩戴的头戴显示设备，例如ar设备(如ar眼镜)或mr设备。本实施例中的待检测图像可以为需要进行目标检测的图像，以通过对车辆内头戴显示设备的摄像头采集的待检测图像的目标检测，实现车辆的防追尾设计。
51.对应的，对于本实施例中的待检测图像的具体内容，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以在检测到头戴显示设备处于车辆内或防追尾功能启动时，获取头戴显示设备的摄像头采集的待检测图像，即待检测图像可以为车辆内头戴显示设备的摄像头采集的图像，或启动防追尾功能时头戴显示设备的摄像头采集的图像。本实施例对此不做任何限制。
52.需要说明的是，本实施例所提供的头戴显示设备的车辆检测方法可以应用于头戴显示设备，即头戴显示设备的处理器可以利用自身的摄像头采集的待检测图像，通过对车
辆目标的检测，识别并提示用户存在的车辆追尾风险。本实施例所提供的头戴显示设备的车辆检测方法也可以应用于与头戴显示设备通信连接的设备，如车辆上的中控器、用户终端(例如手机)和云端的服务器等；例如，车辆上的中控器可以利用头戴显示设备的摄像头采集的待检测图像，通过对车辆目标的检测，识别并提示用户存在的车辆追尾风险。本实施例对此不做任何限制。
53.对应的，对于本步骤中处理器获取头戴显示设备的摄像头采集的待检测图像的具体方式，可以由设计人员自行设置，如处理器可以按预设时间间隔获取头戴显示设备的摄像头采集的待检测图像；例如，头戴显示设备的处理器可以在防追尾功能启动后，按预设时间间隔获取摄像头采集的待检测图像。
54.步骤102：对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；其中，目标车辆区域包括车辆图像。
55.可以理解的是，本步骤中处理器可以通过对待检测图像进行目标检测，得到待检测图像中的车辆目标对应的区域(即目标车辆区域)；也就是说，目标检测的检测目标可以为车辆目标，即车辆的特征。
56.对应的，对于本步骤中处理器对待检测图像进行目标检测，得到待检测图像中的目标车辆区域的具体方式，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以利用yolov3(you only look once v3，一种目标检测算法)模型对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；其中，目标车辆区域为待检测图像中检测框所围的区域。处理器也可以利用其他目标检测模型，如yolo(you only look once，一种目标检测算法)系列的yolov4(you only look once v4，一种目标检测算法)模型或r-cnn(region-cnn，一种基于卷积神经网络的目标检测算法)模型等，对待检测图像进行目标检测，得到待检测图像中的目标车辆区域。
57.举例来说，本步骤中处理器可以利用目标检测模型(如yolov3模型)对待检测图像中的车辆目标进行检测，获取车辆目标相应的检测框每个顶点的坐标，即目标车辆区域为检测框所围的区域。目标检测模型所用的损失函数可以包括目标置信度损失l
conf
(o,c)(用于预测第i个目标检测框中是否存在真实存在目标)、目标类别损失l
cla
(o,c)(用于预测第i个目标检测框中是否存在第j类目标)、目标定位损失l
cla
(o,c)(用于检测框与实际框的位置和大小差异)；目标检测模型的损失l可以为l＝λ1l
conf(o,c)
+λ2l
cla
(o,c)+λ3l
loc
；其中，λ1、λ1和λ1分别可以为预设平衡系数。
58.相应的，l
conf(o,c)
＝-∑(oiln(ci)+(1-oi)ln(1-ci))，其中，oi和o
ij
分别可以为实际类别值，oi∈{0,1}，o
ij
∈{0,1}；ci和c
ij
分别可以为网络预测值；p
pre
可以为检测框的中心点坐标，p
gt
可以为实际框的中心点坐标，s
pre
可以为检测框的长宽尺寸，s
gt
可以为实际框的长宽尺寸，λ可以为调谐参数；i可以表示全部检测框中第i个检测框，pos可以表示全部检测框，j可以表示全部检测目标中第j个检测目标的类别，cla为可以表示全部检测目标的类别。
59.进一步的，本步骤中目标检测的检测目标可以为车辆尾部特征，以使检测出的目标车辆区域中的车辆图像可以为车辆尾部的图像，从而提高后续追尾风险状态的识别准确性，保证防追尾告警的准确性。也就是说，本步骤中处理器可以以车辆尾部特征作为检测目
标，对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；例如，处理器可以利用目标检测模型，以车辆尾部特征作为检测目标，对待检测图像进行目标检测，得到待检测图像中的目标车辆区域。
60.进一步的，由于雾天能见度低，路面湿滑，车辆制动距离加长，更容易发生追尾和侧翻等交通事故，并且雾天还会影响驾驶员的视线和判断能力，增加了驾驶风险；本实施例中处理器还可以识别车辆驾驶的雾天环境，并雾天环境下采集的待检测图像进行去雾处理，以保证雾天环境下车辆检测和防追尾的准确性。例如，本步骤之前处理器可以确定车辆行驶场景；若车辆行驶场景为雾天场景，则进入本步骤，对待检测图像进行目标检测，如对待检测图像进行去雾处理，获取待检测图像对应的目标检测输入图像，并对去雾处理后得到的目标检测输入图像进行目标检测，得到目标车辆区域。
61.对应的，对于上述处理器确定车辆行驶场景的具体方式，可以由设计人员自行设置，如处理器可以根据获取的场景选择指令，确定车辆行驶场景；例如，用户可以操作头戴显示设备选择设置车辆行驶场景，使头戴显示设备的处理器可以根据用户选择生成相应的场景选择指令，确定用户选择的车辆行驶场景。处理器也可以根据头戴显示设备的摄像头采集的待检测图像，自动识别确定车辆行驶场景；例如，处理器可以对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像；根据边缘轮廓图像，确定车辆行驶场景；其中，车辆行驶场景包括正常场景和雾天场景。本实施例对此不做任何限制。
62.步骤103：根据目标车辆区域，识别车辆行驶情况；其中，车辆行驶情况包括正常行驶状态和追尾风险状态。
63.可以理解的是，本步骤中处理器可以利用检测到的待检测图像中的目标车辆区域，识别头戴显示设备所在的车辆的行驶情况(即车辆行驶情况)。本步骤中的车辆行驶情况可以为头戴显示设备所在的车辆的行驶情况；对于本步骤中车辆行驶情况的具体划分方式，可以由设计人员自行设置，如车辆行驶情况可以包括车辆正常行驶时的正常行驶状态和存在追尾风险时的追尾风险状态；车辆行驶情况还可以包括存在其他驾驶风险的其他状态，只要处理器可以利用待检测图像中的目标车辆区域，识别车辆行驶情况，本实施例对此不做任何限制。
64.对应的，对于本步骤中处理器根据目标车辆区域，识别车辆行驶情况的具体方式，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以直接根据目标车辆区域的规格(即尺寸)，识别车辆行驶情况；例如，处理器可以在目标车辆区域的规格(如面积或检测框长度)不大于预设规格(如预设面积或预设检测框长度)时，确定车辆行驶情况为正常行驶状态，在目标车辆区域的规格大于预设规格时，确定车辆行驶情况为追尾风险状态。由于车辆在停止时，前方车辆在驾驶员视野中占据的比例较大，使得单纯地根据目标车辆区域的尺寸难以准确的预测出前方正在行驶的车辆与驾驶员所在车辆有追尾的风险；因此，本步骤中处理器也可以根据目标车辆区域的规格和规格变化情况，识别车辆行驶情况；其中，规格变化情况包括变化趋势和变化速度。本实施例对此不做任何限制。
65.步骤104：若车辆行驶情况为追尾风险状态，则控制头戴显示设备输出追尾告警信息。
66.可以理解的是，本实施例中处理器可以在识别到车辆行驶情况为存在追尾风险的追尾风险状态时，通过控制头戴显示设备输出追尾告警信息，提示用户存在车辆追尾的风
险情况，以使车辆的驾驶员能够及时关注前车情况，对应调整所驾驶的车辆，如降低车速或刹车。
67.对应的，对于本步骤中追尾告警信息的具体内容和输出方式，可以由设计人员或用户根据实用场景和用户需求自行设置，如追尾告警信息可以包括头戴显示设备显示警报文字或图标，和/或语音播放的警报语音。
68.需要说明的是，对于本实施例中车辆行驶情况为正常行驶状态的情况，可以由设计人员自行设置，如处理器可以在确定车辆行驶情况为正常行驶状态时，直接结束本流程或返回步骤101，以继续对后续采集的待检测图像进行处理。本实施例对此不做任何限制。
69.本实施例中，本发明实施例通过对车辆内用户佩戴的头戴显示设备采集的待检测图像进行目标检测，能够检测待检测图像中车辆目标，从而根据检测到的车辆目标，识别存在车辆追尾风险的追尾风险状态，并在追尾风险状态下控制头戴显示设备输出追尾告警信息；通过提示用户存在追尾风险，减少车辆行驶过程中车辆追尾的情况，提升车辆行驶的安全性。
70.基于上一实施例，本发明还提供了另一种头戴显示设备的车辆检测。具体的，请参考图2，图2为本发明实施例所提供的另一种头戴显示设备的车辆检测的流程图。该方法可以包括：
71.步骤201：头戴显示设备获取摄像头采集的待检测图像。
72.可以理解的是，本实施例中头戴显示设备的处理器可以获取头戴显示设备上的摄像头采集的待检测图像。例如，头戴显示设备的处理器可以在防追尾功能启动后，按预设时间间隔获取摄像头采集的待检测图像。
73.步骤202：对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像。
74.可以理解的是，由于雾天环境和非雾天环境下摄像头采集的图像中的边缘轮廓信息差异较大，如雾天环境时，由于图像中心区域像素值比较接近，边缘检测得到边缘轮廓图像的像素值接近于0；而非雾天环境时，前景与背景的反差更加鲜明，所以得到的边缘轮廓信息比较清晰，即边缘轮廓图像的像素值更大。本实施例中可以通过待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像，利用边缘轮廓图像确定车辆行驶场景是雾天环境下的雾天场景还是非雾天环境下的正常场景；也就是说，本实施例中可以利用边缘检测得到的边缘轮廓图像，表示待检测图像的能见度。
75.对应的，对于本步骤中处理器对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像的具体方式，即边缘检测的具体过程，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以通过sobel滤波器(一种典型的用于边缘检测的线性滤波器)对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像，即处理器可以使用sobel滤波器对待检测图像进行滤波，得到待检测图像对应的边缘轮廓图像；处理器也可以采用其他边缘检测方式，对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像。本实施例对此不做任何限制。
76.步骤203：根据边缘轮廓图像，确定车辆行驶场景；其中，车辆行驶场景包括正常场景和雾天场景。
77.对于本步骤中处理器根据边缘轮廓图像，确定车辆行驶场景的具体方式，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以根据边缘轮廓图像中各像素点
的像素值，确定车辆行驶场景；例如，处理器可以判断当前待检测图像对应的边缘轮廓图像的像素值之和是否小于像素值阈值；若是，则确定车辆行驶场景为雾天场景；若否，则确定车辆行驶场景为正常场景；其中，当前待检测图像为任一待检测图像；也就是说，处理器可以在当前的待检测图像对应的边缘轮廓图像中全部像素点的像素值之和小于像素值阈值时，确定车辆行驶场景为雾天场景，在当前的待检测图像对应的边缘轮廓图像中全部像素点的像素值之和大于或等于像素值阈值时，确定车辆行驶场景为正常场景。相应的，处理器也可以在连续预设幅的待检测图像对应的边缘轮廓图像中全部像素点的像素值之和小于像素值阈值时，确定车辆行驶场景为雾天场景；反之，则确定车辆行驶场景为正常场景。
78.对应的，处理器还可以判断当前待检测图像对应的边缘轮廓图像的像素值平均值是否小于平均值阈值；若是，则确定车辆行驶场景为雾天场景；若否，则确定车辆行驶场景为正常场景。
79.步骤204：若车辆行驶场景为雾天场景，则对待检测图像进行去雾处理，获取待检测图像对应的目标检测输入图像。
80.可以理解的是，本实施例中头戴显示设备可以在确定车辆行驶场景为雾天场景时，通过对待检测图像进行去雾处理，提高目标检测的准确性；也就是说，本步骤中头戴显示设备可以启动去雾功能，方便驾驶员观察路面情况。
81.对应的，对于本步骤中处理器对待检测图像进行去雾处理，获取待检测图像对应的目标检测输入图像的具体方式，可以由设计人员自行设置，如处理器可以对待检测图像进行去雾处理，得到去雾图像，并将去雾图像作为目标检测的输入图像(即目标检测输入图像)。处理器也可以对待检测图像进行去雾处理，得到去雾图像；对去雾图像进行边缘检测，得到去雾边缘轮廓图像，并将去雾边缘轮廓图像作为目标检测输入图像，如利用sobel滤波器对去雾图像进行滤波，得到去雾边缘轮廓图像；也就是说，为了保证去雾处理后的图片(即去雾图像)相比之前有着更加清晰的边缘纹理信息，处理器可以通过去雾图像进行边缘检测，最大化边缘损失提升去雾后的效果，从而进一步提高目标检测的准确性。
82.需要说明的是，对于上述处理器对待检测图像进行去雾处理，得到去雾图像的具体方式，可以由设计人员根据实用场景和用户需求自行设置，如处理器可以采用resnet50(一种残差神经网络)模型，对待检测图像进行去雾处理，得到去雾图像，如处理器可以将摄像头采集一张的雾天的道路图像(即待检测图像)输入resnet50模型，可以得到resnet50模型输出的去雾后相对清晰的道路图像(即去雾图像)。处理器也可以利用其他检测模型(如其他的神经网络模型)，对待检测图像进行去雾处理，得到去雾图像。
83.举例来说，处理器采用resnet50模型，对待检测图像进行去雾处理，得到去雾图像的情况下，resnet50模型的训练过程中，使用的损失函数lr可以为:lr＝l
1-λrls；其中，λr为预设调谐参数，l1为绝对值损失。
84.相应的，其中，可以为resnet50模型的输出图像，y可以为resnet50模型的输入图像(如道路实况图像)；sobel(
·
)可以为sobel滤波处理，以通过对输出图像进行sobel滤波处理，最大化边缘损失提升去雾后的效果。
85.步骤205：对目标检测输入图像进行目标检测，得到目标检测输入图像中的目标车辆区域。
86.可以理解的是，本实施例中头戴显示设备可以在确定车辆行驶场景为雾天场景
时，通过对去雾处理后的得到的目标检测输入图像进行目标检测，得到图像中的目标车辆区域。
87.如图3所示，本步骤中处理器对目标检测输入图像进行目标检测的过程可以包括：判断目标检测输入图像中是否存在检测目标(车辆)；若是，则对当前目标检测输入图像进行标定，得到当前目标检测输入图像中的目标车辆区域；若否，则将下一目标检测输入图像确定为当前待检测图像，并执行判断目标检测输入图像中是否存在检测目标的步骤。
88.可以理解的是，对于本实施例中车辆行驶场景为正常场景的情况，可以由设计人员自行设置，处理器可以在确定的车辆行驶场景为正常场景时，直接结束本流程或返回步骤201，以继续获取对后续采集的待检测图像进行边缘检测；也就是说，处理器可以仅在雾天场景启动防追尾功能，如图3所示，处理器可以在待检测图像对应的能见度不大于阈值，即待检测图像为正常场景时，继续对道路情况进行能见度检测。处理器也可以在确定的车辆行驶场景为正常场景时，将待检测图像作为目标检测输入图像，并进入步骤205；也就是说，处理器可以在雾天场景和正常场景均启动防追尾功能。本实施例对此不做任何限制。
89.步骤206：根据目标车辆区域的规格和规格变化情况，识别车辆行驶情况；其中，规格变化情况包括变化趋势和变化速度，车辆行驶情况包括正常行驶状态和追尾风险状态。
90.其中，本步骤中处理器可以根据图像中目标车辆区域的规格和规格变化情况，识别车辆行驶情况，以保证车辆行驶情况的识别准确性。对于本步骤中处理器根据目标车辆区域的规格和规格变化情况，识别车辆行驶情况的具体方式，可以由设计人员自行设置，如处理器可以在当前目标车辆区域的规格大于预设面积、变化趋势为增大且变化速度大于速度阈值的情况下，确定车辆行驶情况为追尾风险状态；在当前目标车辆区域的规格不大于预设面积、变化趋势为减小或变化速度不大于速度阈值的情况下，确定车辆行驶情况为正常行驶状态；其中，当前目标车辆区域为当前待检测图像中的任一目标车辆区域，当前待检测图像为任一待检测图像；也就是说，处理器可以在当前待检测图像中当前目标车辆区域的检测框面积大于预设面积，且当前目标车辆区域对应的检测框面积增大速率大于速度阈值时，可以确定车辆行驶情况为追尾风险状态，即头戴显示设备所在的车辆与前方车辆会有相撞的风险。
91.步骤207：若车辆行驶情况为追尾风险状态，则输出追尾告警信息。
92.需要说明的是，对于本实施例中车辆行驶情况为正常行驶状态的情况，可以由设计人员自行设置，如处理器可以在确定车辆行驶情况为正常行驶状态时，直接结束本流程或返回步骤101，以继续对后续采集的待检测图像进行处理。
93.本实施例中，本发明实施例通过根据边缘检测得到的边缘轮廓图像，确定车辆行驶场景，能够自动识别雾天场景，从而通过对待检测图像进行去雾处理，能够提高目标检测的准确性。
94.相应于上面的方法实施例，本发明实施例还提供了一种头戴显示设备的车辆检测装置，下文描述的一种头戴显示设备的车辆检测装置与上文描述的一种头戴显示设备的车辆检测方法可相互对应参照。
95.请参考图4，图4为本发明实施例所提供的一种头戴显示设备的车辆检测装置的结构框图。该装置可以包括：
96.图像获取模块10，用于获取头戴显示设备的摄像头采集的待检测图像；
97.目标检测模块20，用于对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；其中，目标车辆区域包括车辆图像；
98.识别模块30，用于根据目标车辆区域，识别车辆行驶情况；其中，车辆行驶情况包括正常行驶状态和追尾风险状态；
99.告警模块40，用于若车辆行驶情况为追尾风险状态，则控制头戴显示设备输出追尾告警信息。
100.在一些实施例中，目标检测模块20可以具体用于以车辆尾部特征作为检测目标，对待检测图像进行目标检测，得到目标车辆区域。
101.在一些实施例中，识别模块30可以具体用于根据目标车辆区域的规格和规格变化情况，识别车辆行驶情况；其中，规格变化情况包括变化趋势和变化速度。
102.在一些实施例中，识别模块30可以包括：
103.追尾识别子模块，用于若当前目标车辆区域的规格大于预设面积、变化趋势为增大且变化速度大于速度阈值，则确定车辆行驶情况为追尾风险状态；其中，当前目标车辆区域为当前待检测图像中的任一目标车辆区域，当前待检测图像为任一待检测图像；
104.正常识别子模块，用于若当前目标车辆区域的规格不大于预设面积、变化趋势为减小或变化速度不大于速度阈值，则确定车辆行驶情况为正常行驶状态。
105.在一些实施例中，该装置还可以包括：
106.边缘检测模块，用于对待检测图像进行边缘检测，获取待检测图像对应的边缘轮廓图像；
107.行驶场景确定模块，用于根据边缘轮廓图像，确定车辆行驶场景；若车辆行驶场景为雾天场景，则向目标检测模块20发送启动信号；其中，车辆行驶场景包括正常场景和雾天场景。
108.在一些实施例中，目标检测模块20可以包括：
109.去雾处理子模块，用于对待检测图像进行去雾处理，获取待检测图像对应的目标检测输入图像；
110.目标检测子模块对目标检测输入图像进行目标检测，得到目标检测输入图像中的目标车辆区域。
111.在一些实施例中，去雾处理子模块可以包括：
112.去雾处理单元，用于对待检测图像进行去雾处理，得到去雾图像；
113.边缘检测单元，用于对去雾图像进行边缘检测，得到去雾图像对应的目标检测输入图像。
114.在一些实施例中，行驶场景确定模块可以包括：
115.判断子模块，用于判断当前待检测图像对应的边缘轮廓图像的像素值之和是否小于像素值阈值；若是，则确定车辆行驶场景为雾天场景；若否，则确定车辆行驶场景为正常场景；其中，当前待检测图像为任一待检测图像。
116.本实施例中，本发明实施例通过目标检测模块20对车辆内用户佩戴的头戴显示设备采集的待检测图像进行目标检测，能够检测待检测图像中车辆目标，从而根据检测到的车辆目标，识别存在车辆追尾风险的追尾风险状态，并在追尾风险状态下控制头戴显示设备输出追尾告警信息；通过提示用户存在追尾风险，减少车辆行驶过程中车辆追尾的情况，
提升车辆行驶的安全性。
117.相应于上面的方法实施例，本发明实施例还提供了一种头戴显示设备，下文描述的一种头戴显示设备与上文描述的一种头戴显示设备的车辆检测方法可相互对应参照。
118.请参考图5，图5为本发明实施例所提供的一种头戴显示设备的结构示意图。该头戴显示设备可以包括：
119.存储器d1，用于存储计算机程序；
120.处理器d2，用于执行计算机程序时实现上述方法实施例所提供的头戴显示设备的车辆检测方法的步骤。
121.相应于上面的方法实施例，本发明实施例还提供了一种计算机可读存储介质，下文描述的一种计算机可读存储介质与上文描述的一种头戴显示设备的车辆检测方法可相互对应参照。
122.本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所提供的头戴显示设备的车辆检测方法的步骤。
123.说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、头戴显示设备及计算机可读存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
124.以上对本发明所提供的一种头戴显示设备的车辆检测方法、装置及头戴显示设备进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

技术特征：
1.一种头戴显示设备的车辆检测方法，其特征在于，包括：获取头戴显示设备的摄像头采集的待检测图像；对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域；其中，所述目标车辆区域包括车辆图像；根据所述目标车辆区域，识别车辆行驶情况；其中，所述车辆行驶情况包括正常行驶状态和追尾风险状态；若所述车辆行驶情况为所述追尾风险状态，则控制所述头戴显示设备输出追尾告警信息。2.根据权利要求1所述的头戴显示设备的车辆检测方法，其特征在于，所述对所述待检测图像进行目标检测，检测所述待检测图像中的目标车辆区域，包括：以车辆尾部特征作为检测目标，对所述待检测图像进行目标检测，得到所述目标车辆区域。3.根据权利要求1所述的头戴显示设备的车辆检测方法，其特征在于，所述根据所述目标车辆区域，识别车辆行驶情况，包括：根据所述目标车辆区域的规格和规格变化情况，识别所述车辆行驶情况；其中，所述规格变化情况包括变化趋势和变化速度。4.根据权利要求3所述的头戴显示设备的车辆检测方法，其特征在于，所述根据所述目标车辆区域的规格和规格变化情况，识别所述车辆行驶情况，包括：若当前目标车辆区域的规格大于预设面积、变化趋势为增大且变化速度大于速度阈值，则确定所述车辆行驶情况为所述追尾风险状态；其中，当前目标车辆区域为当前待检测图像中的任一目标车辆区域，当前待检测图像为任一所述待检测图像；若当前目标车辆区域的规格不大于预设面积、变化趋势为减小或变化速度不大于速度阈值，则确定所述车辆行驶情况为所述正常行驶状态。5.根据权利要求1至4任一项所述的头戴显示设备的车辆检测方法，其特征在于，所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域之前，还包括：对所述待检测图像进行边缘检测，获取所述待检测图像对应的边缘轮廓图像；根据所述边缘轮廓图像，确定车辆行驶场景；其中，所述车辆行驶场景包括正常场景和雾天场景；若所述车辆行驶场景为所述雾天场景，则执行所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域的步骤。6.根据权利要求5所述的头戴显示设备的车辆检测方法，其特征在于，所述对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域，包括：对所述待检测图像进行去雾处理，获取所述待检测图像对应的目标检测输入图像；对所述目标检测输入图像进行目标检测，得到所述目标检测输入图像中的目标车辆区域。7.根据权利要求6所述的头戴显示设备的车辆检测方法，其特征在于，所述对所述待检测图像进行去雾处理，获取所述待检测图像对应的目标检测输入图像，包括：对所述待检测图像进行去雾处理，得到去雾图像；对所述去雾图像进行边缘检测，得到所述去雾图像对应的目标检测输入图像。
8.根据权利要求5所述的头戴显示设备的车辆检测方法，其特征在于，所述根据所述边缘轮廓信息，确定车辆行驶场景，包括：判断当前待检测图像对应的边缘轮廓图像的像素值之和是否小于像素值阈值；其中，当前待检测图像为任一所述待检测图像；若是，则确定所述车辆行驶场景为所述雾天场景；若否，则确定所述车辆行驶场景为所述正常场景。9.一种头戴显示设备的车辆检测装置，其特征在于，包括：图像获取模块，用于获取头戴显示设备的摄像头采集的待检测图像；目标检测模块，用于对所述待检测图像进行目标检测，得到所述待检测图像中的目标车辆区域；其中，所述目标车辆区域包括车辆图像；识别模块，用于根据所述目标车辆区域，识别车辆行驶情况；其中，所述车辆行驶情况包括正常行驶状态和追尾风险状态；告警模块，用于若所述车辆行驶情况为所述追尾风险状态，则控制所述头戴显示设备输出追尾告警信息。10.一种头戴显示设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至8任一项所述的头戴显示设备的车辆检测方法的步骤。

技术总结
本发明公开了一种头戴显示设备的车辆检测方法、装置及头戴显示设备，涉及头戴显示设备技术领域，该方法包括：获取头戴显示设备的摄像头采集的待检测图像；对待检测图像进行目标检测，得到待检测图像中的目标车辆区域；根据目标车辆区域，识别车辆行驶情况；若车辆行驶情况为追尾风险状态，则控制头戴显示设备输出追尾告警信息；本发明通过对车辆内用户佩戴的头戴显示设备采集的待检测图像进行目标检测，能够检测待检测图像中车辆目标，从而根据检测到的车辆目标，识别存在车辆追尾风险的追尾风险状态，并控制头戴显示设备输出追尾告警信息；通过提示用户存在追尾风险，减少车辆行驶过程中车辆追尾的情况，提升车辆行驶的安全性。性。性。


技术研发人员：薛鹏 李强
受保护的技术使用者：歌尔科技有限公司
技术研发日：2023.08.04
技术公布日：2023/10/19