驾驶过程感兴趣区域检测方法及装置制造方法及图纸

本发明专利技术提供了一种驾驶过程感兴趣区域检测方法及装置，涉及视频检测技术领域，该方法利用深度学习方法对训练检测库进行训练，生成第一检测器；基于第一检测器获得第一有用信息，基于第一有用信息进行训练，生成第二检测器；基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器；基于第三检测器获得第三有用信息，基于第三有用信息进行训练，生成第四检测器；合并第二检测器与第四检测器生成第五检测器。通过融合驾驶任务驱动与道路数据的感兴趣区域检测方法，缓解了驾驶任务驱动模型对视觉信息处理速度相对较慢的问题，解决了道路数据驱动模型不适用于复杂低速路模型的技术问题，提高了无人驾驶及辅助驾驶系统的有效预警，降低事故发生率。

【技术实现步骤摘要】
驾驶过程感兴趣区域检测方法及装置
本专利技术涉及视频检测
，尤其是涉及一种驾驶过程感兴趣区域检测方法及装置。
技术介绍
驾驶员操作疏忽、决策失误等原因是造成交通事务的主要原因，此类交通事故往往导致大量的人身伤害和财产损失，如果能够及时、准确、有效的对驾驶员预警提示，就可以在很大程度上避免此类事故的发生。基于车站视频图像的车辆检测及行人检测被广泛应用于无人驾驶及车辆辅助驾驶系统，成为主要的预警目标检测方法之一。通常，基于视频图像的车辆检测和行人检测分为驾驶任务驱动和道路数据驱动两大类：驾驶任务驱动的视觉注意模型是根据来自具体驾驶任务的先验信息，预先建立驾驶员的视觉期望，将期望目标从道路图像中分离出来，在道路图像或道路视频场景中完成感兴趣区域选取，进而对该感兴趣区域进行后续的处理。道路数据驱动的视觉注意模型，驾驶员从场景中的信息开始，外部道路场景信息源对驾驶员的眼睛进行刺激，驾驶员的眼睛对不同的道路场景信息进行重新组合加工进行处理。这种注意模型没有驾驶员先验信息的指导，也没有特定的驾驶任务，处理速度比较快。道路数据驱动注意模型属于自底向上视觉注意模型，具有数据驱动和自主加工两大特点。相对于道路数据驱动机制，驾驶任务驱动注意机制对视觉信息的处理速度相对较慢。道路数据驱动注意模型的注意机制不需要运用人的意识来控制其处理过程，不需要先验信息和预期期望，未加入主观意识。传统道路数据驱动的视觉注意与显著性区域描述部分的适用于高速路比较简单路况下驾驶员视觉注意，而在比较复杂的低速路上并不完全适用。因此，以上两种都不能为驾驶员提供及时、有效的驾驶提示，在复杂路况下，视觉注意与显著性区域描述不准确，在无人驾驶及车辆辅助驾驶等对安全性要求较高的场合，难以提供及时、准确的预警信息。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种驾驶过程感兴趣区域检测方法及装置，以缓解驾驶任务驱动注意模型对视觉信息处理速度相对较慢的技术问题，解决道路数据驱动注意模型不适用于比较复杂的低速路模型的技术问题，提高无人驾驶及车辆辅助驾驶系统中的有效预警，降低事故发生率。第一方面，本专利技术实施例提供了一种驾驶过程感兴趣区域检测方法，包括：利用深度学习方法对训练检测库进行训练，生成第一检测器，所述第一检测器用于检测数据驱动显著性目标；基于所述第一检测器获得第一有用信息，基于所述第一有用信息进行训练，生成第二检测器，所述第二检测器用于检测数据驱动感兴趣区域目标；基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器，所述第三检测器用于检测任务驱动感兴趣区域目标；基于所述第三检测器获得第三有用信息，基于所述第三有用信息进行训练，生成第四检测器，所述第四检测器用于检测任务驱动感兴趣区域显著性目标；合并所述第二检测器与所述第四检测器生成第五检测器，所述第五检测器用于检测驾驶任务与道路数据融合的感兴趣区域。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述训练检测库包括采集的车载道路的视频以及网络公开的道路视频。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述基于所述第一检测器获得第一有用信息，包括：在非特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选，获得第一有用信息。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述驾驶任务驱动的感兴趣区域的获取过程，包括：在特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选，获得第二有用信息；通过眼动仪获取眼动信息；合并所述第二有用信息与所述眼动信息，生成驾驶任务驱动的感兴趣区域。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述基于所述第三检测器获得第三有用信息，包括：利用所述第三检测器对所述训练检测库进行训练，生成第二检测结果；对所述第二检测结果进行客观显著性筛选，并得到第三检测结果；对所述第三检测结果进行主观筛选，获得第三有用信息。第二方面，本专利技术实施例还提供一种驾驶过程感兴趣区域检测装置，所述装置包括训练检测库和训练模块，所述训练模块包括：第一训练模块、第二训练模块、第三训练模块、第四训练模块和合并模块；所述第一训练模块，用于利用深度学习方法对训练检测库进行训练，生成第一检测器，所述第一检测器用于检测数据驱动显著性目标；所述第二训练模块，用于基于所述第一检测器获得第一有用信息，基于所述第一有用信息进行训练，生成第二检测器，所述第二检测器用于检测数据驱动感兴趣区域目标；所述第三训练模块，用于基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器，所述第三检测器用于检测任务驱动感兴趣区域目标；所述第四训练模块，用于基于所述第三检测器获得第三有用信息，基于所述第三有用信息进行训练，生成第四检测器，所述第四检测器用于检测任务驱动感兴趣区域显著性目标；所述合并模块，用于合并所述第二检测器与所述第四检测器生成第五检测器，所述第五检测器用于检测驾驶任务与道路数据融合的感兴趣区域。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，所述装置还包括：训练检测库，用于存储采集的车载道路的视频以及网络公开的道路视频。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中，所述第一有用信息为，在非特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选而获得。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，其中，所述驾驶任务驱动的感兴趣区域的获取过程，包括：在特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选，获得第二有用信息；通过眼动仪获取眼动信息；合并所述第二有用信息与所述眼动信息，生成驾驶任务驱动的感兴趣区域。结合第二方面，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中，所述第四训练模块包括：训练单元，用于利用所述第三训练模块对所述训练检测库进行训练，生成第二检测结果；客观检测单元，用于对所述第二检测结果进行客观显著性检测，并得到第三检测结果；筛选单元，用于对所述第三检测结果进行主观筛选，获得第三有用信息。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的驾驶过程感兴趣区域检测方法及装置中，利用深度学习方法对训练检测库进行训练，生成第一检测器，该第一检测器用于检测数据驱动显著性目标；基于第一检测器获得第一有用信息，基于第一有用信息进行训练，生成第二检测器，该第二检测器用于检测数据驱动感兴趣区域目标；基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器，该第三检测器用于检测任务驱动感兴趣区域目标；基于第三检测器获得第三有用信息，基于第三有用信息进行训练，生成第四检测器，该第四检测器用于检测任务驱动感兴趣区域显著性目标；合并第二检测器与第四检测器生成第五检测器，该第五检测器用于检测驾驶任务与道路数据融合的感兴趣区域。通过融合驾驶任务驱动与道路数据的驾驶过程感兴趣区域检测方法，缓解了驾驶任务驱动注意模型对视觉信息处理速度相对较慢的技术问题，解决了道路数据驱动注意模型不适用于比较复杂的低速路模型的技术问题，提高了无人驾驶及车辆辅助驾驶系统的有效预警，从而降低事故发生率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变本文档来自技高网...

【技术保护点】
1.一种驾驶过程感兴趣区域检测方法，其特征在于，包括：利用深度学习方法对训练检测库进行训练，生成第一检测器，所述第一检测器用于检测数据驱动显著性目标；基于所述第一检测器获得第一有用信息，基于所述第一有用信息进行训练，生成第二检测器，所述第二检测器用于检测数据驱动感兴趣区域目标；基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器，所述第三检测器用于检测任务驱动感兴趣区域目标；基于所述第三检测器获得第三有用信息，基于所述第三有用信息进行训练，生成第四检测器，所述第四检测器用于检测任务驱动感兴趣区域显著性目标；合并所述第二检测器与所述第四检测器生成第五检测器，所述第五检测器用于检测驾驶任务与道路数据融合的感兴趣区域。

【技术特征摘要】
1.一种驾驶过程感兴趣区域检测方法，其特征在于，包括：利用深度学习方法对训练检测库进行训练，生成第一检测器，所述第一检测器用于检测数据驱动显著性目标；基于所述第一检测器获得第一有用信息，基于所述第一有用信息进行训练，生成第二检测器，所述第二检测器用于检测数据驱动感兴趣区域目标；基于驾驶任务驱动的感兴趣区域进行训练，生成第三检测器，所述第三检测器用于检测任务驱动感兴趣区域目标；基于所述第三检测器获得第三有用信息，基于所述第三有用信息进行训练，生成第四检测器，所述第四检测器用于检测任务驱动感兴趣区域显著性目标；合并所述第二检测器与所述第四检测器生成第五检测器，所述第五检测器用于检测驾驶任务与道路数据融合的感兴趣区域。2.根据权利要求1所述的方法，其特征在于，所述训练检测库包括采集的车载道路的视频以及网络公开的道路视频。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一检测器获得第一有用信息，包括：在非特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选，获得第一有用信息。4.根据权利要求1所述的方法，其特征在于，所述驾驶任务驱动的感兴趣区域的获取过程，包括：在特定驾驶任务的前提下对所述第一检测器的第一检测结果进行主观筛选，获得第二有用信息；通过眼动仪获取眼动信息；合并所述第二有用信息与所述眼动信息，生成驾驶任务驱动的感兴趣区域。5.根据权利要求1所述的方法，其特征在于，所述基于所述第三检测器获得第三有用信息，包括：利用所述第三检测器对所述训练检测库进行训练，生成第二检测结果；对所述第二检测结果进行客观显著性筛选，并得到第三检测结果；对所述第三检测结果进行主观筛选，获得第三有用信息。6.一种驾驶过程感兴趣区域检测装置，其特征在于，所述装置包括：第一训练模块、第二训练模块、第...

【专利技术属性】
技术研发人员：郑鲲，孙光民，魏孟飞，李沈辉，翁羽，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11