【技术实现步骤摘要】
一种用于危险驾驶行为预警的车内外场景视觉分析方法
本专利技术涉及驾驶员行为辅助系统领域，具体的，涉及一种用于危险驾驶行为预警的车内外场景视觉分析方法。
技术介绍
据道路交通事故数据统计，有超过半数的交通事故是由驾驶员的危险或错误车辆操作所导致的。然而，此类人为事故中大部分是由于驾驶疲劳或注意力分散造成的。因而主动安全系统以及驾驶员行为分析系统具有重要的应用价值。现有乘用车以及商用车的辅助驾驶系统或根据道路场景重要参数,如预碰撞时间(TTC)以及预压线时间(TLC)等,或根据驾驶室场景重要参数,如眼球开度以及面部朝向等，分别进行危险驾驶行为预警。然而，此两类系统都有各自的优势与不足；其中，基于道路场景分析的系统无法准确反映驾驶员对车辆操作的专注以及疲劳程度，基于驾驶室场景分析的系统易受安装角度以及视场范围的影响，某些正常驾驶行为会误触发相应预警信号，并且对一些未训练危险行为，系统无法准确发出预警信号。因而，两者系统存在着潜在的互补关系，综合分析车内外场景能够有效提升危险驾驶行为的预警准确性及可靠性，目前，尚未有基于车内...
【技术保护点】
1.一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：包括如下步骤：/nS1、数据采集、同步以及预处理；/nS2、道路场景语义编码；/nS3、驾驶室场景语义编码；/nS4、时序危险驾驶行为分类；/nS5、模型前向运算部署以及输出后处理。/n
【技术特征摘要】
1.一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：包括如下步骤：
S1、数据采集、同步以及预处理；
S2、道路场景语义编码；
S3、驾驶室场景语义编码；
S4、时序危险驾驶行为分类；
S5、模型前向运算部署以及输出后处理。
2.根据权利要求1所述的一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：
所述步骤S1包括如下步骤：
S11、道路场景图像预处理：通过前视相机采集道路场景图像数据并存储在图像缓存池中，经卷积神经网络特征描述后级联送入基于递归神经网络的时序行为分类器；
S12、驾驶室场景图像预处理：通过驾驶室相机采集驾驶室场景图像数据并存储在图像缓存池中，经卷积神经网络特征描述后级联送入基于递归神经网络的时序行为分类器。
3.根据权利要求1所述的一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：
所述步骤S2包括如下步骤：
S21、道路场景神经网络拓扑：输入为320*180*3通道道路场景RGB图像，主干网络包括有卷积、池化、归一化、激活以及反卷积基础网络；
S22、道路场景训练数据集：采集交通场景数据集，人工标注生成多任务训练标签；
S23、道路场景模型离线训练：综合考虑道路场景神经网络在辅助驾驶系统中的应用以及网络特征的兼容性与可移植性，设计道路场景特征损失函数Ltraffic。
4.根据权利要求3所述的一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：
所述步骤损失函数Ltraffic采用下列计算公式：
Ltraffic＝k1Lobj+k2Lroad
Lce(y，g)＝glogy+(1-g)log(1-y)
式中，Lobj为目标损失函数，Lroad为路面语义损失函数，k1为目标损失函数Lobj的权重系数,k2为路面语义损失函数Lroad的权重系数，L1s(loci，gloc，i)和Lce(attki，gatt，ki)为交叉熵损失函数，L1s(y，g)为smoothL1损失函数，目标损失函数Lobj包括有各目标的分类损失函数、位置回归损失函数以及属性分类损失函数，α为分类损失函数的权重系数，β为位置回归损失函数的权重系数，λj为属性分类损失函数的权重系数，道路语义损失函数Lroad由图像像素级交叉熵求和所得。
5.根据权利要求1所述的一种用于危险驾驶行为预警的车内外场景视觉分析方法，其特征在于：
所述步骤S3包括如下步骤：
S31、驾驶室场景神经网络拓扑：输入为320*180*1通道驾驶室场景红外图像，主干网...
【专利技术属性】
技术研发人员：缪其恒，苏志杰，孙焱标，王江明，许炜，
申请(专利权)人：浙江零跑科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。