一种基于人工智能技术的电动车辅助驾驶系统技术方案

本发明专利技术提供了一种基于人工智能技术的电动车辅助驾驶系统，包括红外镜头模块、图像处理模块和辅助提示模块；红外镜头模块用于获取电动车前方的红外图像；图像处理模块用于：对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；对目标图像进行像素点增强处理，获得增强图像；基于增强图像获取行人的位置以及距离；辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。本发明专利技术有效地降低了参与行人检测的像素点的数量，有利于提高行人检测的速度，及时发现电动自行车前方的行人。前方的行人。前方的行人。

【技术实现步骤摘要】
一种基于人工智能技术的电动车辅助驾驶系统


[0001]本专利技术涉及辅助驾驶领域，尤其涉及一种基于人工智能技术的电动车辅助驾驶系统。

技术介绍

[0002]现有技术中，为了提高电动自行车的夜间驾驶的安全性，有些高端的电动自行车配备了红外行人检测功能，用来提示驾驶员注意行人，实现对驾驶员的辅助驾驶。由于毫米波雷达价格比较高，因此，在电动自动车上一般是采用红外摄像头来实现行人检测。
[0003]但是现有的红外行人检测方式，一般是通过多级别的滑窗检测进行全局检测，从而获取疑似行人区域，之后再提取疑似行人区域的滑窗内的像素点的特征值，来进行行人检测。但是，全局滑窗检测的方式检测速度较慢，不利于及时发现电动自行车前方的行人。

技术实现思路

[0004]本专利技术的目的在于公开一种基于人工智能技术的电动车辅助驾驶系统，解决现有的红外行人检测，使用多级别的滑窗检测进行全局检测速度较慢，不利于及时发现电动自行车前方的行人的问题。
[0005]为了达到上述目的，本专利技术采用如下技术方案：
[0006]一种基于人工智能技术的电动车辅助驾驶系统，包括红外镜头模块、图像处理模块和辅助提示模块；
[0007]红外镜头模块用于获取电动车前方的红外图像；
[0008]图像处理模块用于：
[0009]对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；
[0010]对目标图像进行像素点增强处理，获得增强图像；
[0011]基于增强图像获取行人的位置以及距离；
[0012]辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。
[0013]作为优选，所述对红外图像进行像素点分类，获取红外图像中的目标像素点，包括：
[0014]使用大津算法计算红外图像的分类阈值；
[0015]将红外图像中大于分类阈值的像素点作为目标像素点，小于等于分类阈值的像素点作为非目标像素点。
[0016]作为优选，所述对目标图像进行像素点增强处理，获得增强图像，包括：
[0017]判断像素点的像素值是否大于预设的像素值阈值，若是，则通过如下公式对像素点进行增强处理：
[0018][0019]其中，enhIg表示增强图像，(x,y)表示像素点的坐标，enhIg(x,y)表示增强图像中坐标为(x,y)的像素点的像素值，flr(x,y)表示目标图像中坐标为(x,y)的像素点的像素值，medFilt(x,y)表示对图像中坐标为(x,y)的像素点进行中值滤波后的像素值；flrU表示目标图像中的像素点的类型的总数，thSaA
j
表示目标图像中第j类的像素点的数量，nfFlr表示目标图像中的像素点的总数，flr
j
表示第j类的像素点的像素值；w1、w2分别表示预设的权重参数。
[0020]作为优选，所述基于增强图像获取行人的位置以及距离，包括：
[0021]对增强图像进行降噪处理，获得降噪图像；
[0022]获取降噪图像中的连通区域；
[0023]分别获取降噪图像中每个连通区域的最小外接矩形，将所有的最小外接矩形存入集合U中；
[0024]基于预先设定的最小外接矩形的长宽比对集合U中的最小外接矩形进行筛选，将长宽比小于预设的长宽比阈值的最小外接矩形从集合U中删除，获得集合tU；
[0025]对集合tU中的最小外接矩形进行对称性检测，将不符合预设的对称性检测要求的最小外接矩形从集合tU中删除，获得集合sU；
[0026]将sU中的最小外接矩形输入到预先训练完成的神经网路模型中进行行人检测，分别判断每个sU中的每个最小外接矩形是否存在行人；
[0027]获取存在行人的最小外接矩形的中心坐标，将中心坐标转换为行人的位置；
[0028]根据最小外接矩形的中心坐标和红外图像的中心的关系计算行人与电动车之间的距离。
[0029]作为优选，所述辅助提示模块包括文字提示单元和语音提示单元；
[0030]文字提示单元用于通过文字方式向电动车驾驶员提示行人的位置及距离；
[0031]语音提示单元用于通过语音的方式电动车驾驶员提示行人的位置及距离。
[0032]本专利技术通过将红外图像中的像素点分类为目标像素点和非目标像素点，然后只对目标像素点组成的目标图像进行行人的检测，这种计算方式，有效地降低了参与行人检测的像素点的数量，有利于提高行人检测的速度，及时发现电动自行车前方的行人。
附图说明
[0033]利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0034]图1，为本专利技术一种基于人工智能技术的电动车辅助驾驶系统的一种示例性实施例图。
具体实施方式
[0035]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0036]如图1所示的一种实施例，本专利技术提供了一种基于人工智能技术的电动车辅助驾
驶系统，包括红外镜头模块、图像处理模块和辅助提示模块；
[0037]红外镜头模块用于获取电动车前方的红外图像；
[0038]图像处理模块用于：
[0039]对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；
[0040]对目标图像进行像素点增强处理，获得增强图像；
[0041]基于增强图像获取行人的位置以及距离；
[0042]辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。
[0043]本专利技术通过将红外图像中的像素点分类为目标像素点和非目标像素点，然后只对目标像素点组成的目标图像进行行人的检测，这种计算方式，有效地降低了参与行人检测的像素点的数量，有利于提高行人检测的速度，及时发现电动自行车前方的行人。
[0044]具体的，红外镜头模块可以选用超广角红外镜头，以增加检测范围。
[0045]作为优选，所述对红外图像进行像素点分类，获取红外图像中的目标像素点，包括：
[0046]使用大津算法计算红外图像的分类阈值；
[0047]将红外图像中大于分类阈值的像素点作为目标像素点，小于等于分类阈值的像素点作为非目标像素点。
[0048]具体的，由于行人所在的区域在红外图像中的像素值一般比较大，而非行人区域一般比较小，因此，本专利技术利用这个特性将大部分的非行人区域去除，从而实现减少参与行人识别的像素点的数量的目的。
[0049]作为优选，所述对目标图像进行像素点增强处理，获得增强图像，包括：
[0050]判断像素点的像素值是否大于预设的像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能技术的电动车辅助驾驶系统，其特征在于，包括红外镜头模块、图像处理模块和辅助提示模块；红外镜头模块用于获取电动车前方的红外图像；图像处理模块用于：对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；对目标图像进行像素点增强处理，获得增强图像；基于增强图像获取行人的位置以及距离；辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。2.根据权利要求1所述的一种基于人工智能技术的电动车辅助驾驶系统，其特征在于，所述对红外图像进行像素点分类，获取红外图像中的目标像素点，包括：使用大津算法计算红外图像的分类阈值；将红外图像中大于分类阈值的像素点作为目标像素点，小于等于分类阈值的像素点作为非目标像素点。3.根据权利要求1所述的一种基于人工智能技术的电动车辅助驾驶系统，其特征在于，所述对目标图像进行像素点增强处理，获得增强图像，包括：判断像素点的像素值是否大于预设的像素值阈值，若是，则通过如下公式对像素点进行增强处理：其中，enhIg表示增强图像，(x,y)表示像素点的坐标，enhIg(x,y)表示增强图像中坐标为(x,y)的像素点的像素值，flr(x,y)表示目标图像中坐标为(x,y)的像素点的像素值，medFilt(x,y)表示对图像中坐标为(x,y)的像素点进行中值滤波后的像素值；flrU表示目标图像中的像素点的类型的总数，thSaA
j

【专利技术属性】
技术研发人员：陈晓斌，吴腾通，
申请(专利权)人：深圳飞亮智能科技有限公司，
类型：发明
国别省市：