[发明专利]一种基于神经网络算法的智能内后视镜实时去模糊方法

说明书

本发明公开了一种基于神经网络算法的智能内后视镜实时去模糊方法。本发明采集道路交通视频产生模糊帧与清晰帧，之后重复训练时空递归的CNN去模糊神经网络，得到最优去模糊模型，然后将摄像头采集到的后方路面视频图像作为输入，获得的输出便是去模糊处理后的动态视频。本发明提供了一种替代传统外后视镜的智能内后视镜实现，可以在减小风阻、消除大货车视觉盲区、适用于恶劣天气等方面有很好的表现；使用深度神经网络生成的网络，与传统图像处理方法比去模糊效果更佳；改进传统CNN网络去模糊架构，提出基于时空递归的思想，在不增加网络参数的情况下扩大网络接受域，使得去模糊的效率大大提高，可以实现实时性，达到与传统外后视镜一致的效果。

技术领域

本发明涉及计算机视觉、人工智能和视频图像处理领域，具体涉及一种基于神经网络算法的智能内后视镜实时去模糊方法。

背景技术

下雨天驾驶经常会碰到汽车两侧玻璃几乎都被雾气、水滴所遮盖，看不清外后视镜的情况，用摄像头代替传统外后视镜非常好地解决了这个问题。而且不再需要放下玻璃手动擦拭，也不会让雨水进入车内。用摄像头作为传统光学反射镜的替代物，可以提供更宽阔的视野角度、广度和更高的图像清晰度，以及对图像的信息进行加工，在这一点上它是可以做得更加丰富、更加全面的。

对于大货车或底盘较高的越野车、SUV，传统外后视镜总是看不到旁边经过的小轿车，导致发生意外。普通小轿车上的传统外后视镜在转弯的过程中，由于车身过长以及A柱、B柱的影响导致车尾等部分出现视觉盲区，这时如果后面出现行人或者骑车的路人，将会造成重大的人员和财产损失，出于安全性考虑，车内智能后视镜的出现是有必要的。

随着摄像头技术的发展和制造成本的降低，该方案的可行性大大增加。

动态场景中移动的物体以及相机抖动会导致视频录制中出现不希望看到的运动模糊，造成视频质量的严重下降，特别是在车辆行驶于光线较暗的夜间，每帧的曝光时间都增加了的情况下。因此，为了提高视频质量，也为了便于目标跟踪、SLAM、密集3D重构等视觉任务，视频去模糊技术及其应用近年来越来越受到关注，尤其是在车载后视影像的图像处理应用方面。

现有的内后视镜技术有长城汽车WEY VV7高清流媒体广角内后视镜。具体步骤如下：

1.在车尾扰流板的下方，也就是车尾高位刹车灯旁布置广角摄像头。

2.在传统车内后视镜的位置处放置高清显示屏，取代传统的光学反射镜。

3.利用后视影像控制单元，处理来自后视摄像头的图像，如：图像畸变校正处理、内置的光线感应器自动调节显示屏幕亮度等。

4.若图像符合规定的要求，将其传送至显示屏。

5.在显示屏中显示经后视影像系统处理过的图像。

该方法的缺点在于：由于道路路面不平造成的车身抖动、车辆间相对运动速度过快等，显示的图像带来的运动模糊没有得到消除，影响驾驶员的对路面的观感体验以及判断。

发明内容

本发明的目的是克服现有方法的不足，提出了一种基于神经网络算法的智能内后视镜实时去模糊方法。本发明方案主要解决两个核心问题，一是由于车身抖动以及行车速度过快，造成现存智能内后视镜显示视频图像出现动态模糊的问题，严重影响驾驶员的驾驶判断，也存在很大的不安全性；二是当前动态视频去模糊技术做不到优异的实时性，传统去模糊和各种传统CNN去模糊方法难以满足汽车在高速行驶情况下的要求。

为了解决上述问题，本发明提出了一种基于神经网络算法的智能内后视镜实时去模糊方法，所述方法包括：

获得数据集，并划分训练集和测试集。获得数据集方法：采集道路交通视频，对间隔时间非常短的清晰图像求平均来获得模糊图像，合成交通运动模糊视频，产生模糊帧与清晰帧对；