一种行人与车辆交互状态识别方法及系统技术方案

本发明专利技术涉及一种行人与车辆交互状态识别方法及系统，属于交互状态识别技术领域。先对每一训练样本的激光雷达点云数据进行处理，得到行人与车辆的距离特征，对图像数据进行处理，得到行人头部朝向特征和行人运动状态特征。然后将所有训练样本的每一种特征组成一特征样本集，并利用谱聚类算法对特征样本集进行处理，得到标签集。最后以特征样本集和标签集作为输入，利用分类器算法训练得到三种分类器，以利用三种分类器识别行人与车辆的交互状态，辅助无人驾驶车辆或驾驶员的驾驶行为。辅助无人驾驶车辆或驾驶员的驾驶行为。辅助无人驾驶车辆或驾驶员的驾驶行为。

【技术实现步骤摘要】
一种行人与车辆交互状态识别方法及系统


[0001]本专利技术涉及交互状态识别
，特别是涉及一种行人与车辆交互状态识别方法及系统。

技术介绍

[0002]随着汽车智能化的发展，人们对于汽车安全性的要求越来越高。而在实际道路交通环境中，行人作为最为复杂的交通要素之一，与车辆发生事故的可能性较大，因此，准确识别行人与车辆交互的行为状态，对辅助车辆或驾驶员更好地做出反应有着极其重要的作用。
[0003]现阶段，大部分研究集中于对行人行为状态的识别方法进行研究，通常需要人为定义、标注交互行为，同时人为划定判断交互行为的参数范围，存在一定的主观性和局限性，难以适应现实情况中具有不同行为偏好的行人样本，降低模型泛化性；且其主要是直接通过原始图像数据来判断，这种识别方法的局限性在于数据量较大，运算复杂，同时干扰信息较多，使得该方法无法准确识别行人的行为状态，并且存在实用性不强的问题。同时，上述方法所定义的行人行为状态也没有考虑到行人与车辆的交互行为，无法直接辅助车辆或驾驶员的驾驶行为。
[0004]基于此，亟需一种能够对行人与车辆交互状态进行识别的技术。

技术实现思路

[0005]本专利技术的目的是提供一种行人与车辆交互状态识别方法及系统，能够对行人与车辆的交互状态进行识别，辅助无人驾驶车辆或驾驶员的驾驶行为。
[0006]为实现上述目的，本专利技术提供了如下方案：一种行人与车辆交互状态识别方法，包括：获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；将所有所述训练样本的行人与车辆的距离特征组成第一特征样本集；利用谱聚类算法对所述第一特征样本集进行处理，得到第一标签集；将所有所述训练样本的行人头部朝向特征组成第二特征样本集；利用所述谱聚类算法对所述第二特征样本集进行处理，得到第二标签集；将所有所述训练样本的行人运动状态特征组成第三特征样本集；利用所述谱聚类算法对所述第三特征样本集进行处理，得到第三标签集；以所述第一特征样本集和所述第一标签集作为输入，利用分类器算法训练得到第一分类器；以所述第二特征样本集和所述第二标签集作为输入，利用所述分类器算法训练得到第二分类器；以所述第三特征样本集和所述第三标签集作为输入，利用所述分类器算
法训练得到第三分类器；利用所述第一分类器、所述第二分类器和所述第三分类器识别行人与车辆的交互状态。
[0007]一种行人与车辆交互状态识别系统，包括：样本获取模块，用于获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；特征提取模块，用于对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；标签生成模块，用于将所有所述训练样本的行人与车辆的距离特征组成第一特征样本集；利用谱聚类算法对所述第一特征样本集进行处理，得到第一标签集；将所有所述训练样本的行人头部朝向特征组成第二特征样本集；利用所述谱聚类算法对所述第二特征样本集进行处理，得到第二标签集；将所有所述训练样本的行人运动状态特征组成第三特征样本集；利用所述谱聚类算法对所述第三特征样本集进行处理，得到第三标签集；训练模块，用于以所述第一特征样本集和所述第一标签集作为输入，利用分类器算法训练得到第一分类器；以所述第二特征样本集和所述第二标签集作为输入，利用所述分类器算法训练得到第二分类器；以所述第三特征样本集和所述第三标签集作为输入，利用所述分类器算法训练得到第三分类器；识别模块，用于利用所述第一分类器、所述第二分类器和所述第三分类器识别行人与车辆的交互状态。
[0008]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术用于提供一种行人与车辆交互状态识别方法及系统，先对每一训练样本的激光雷达点云数据进行处理，得到行人与车辆的距离特征，对图像数据进行处理，得到行人头部朝向特征和行人运动状态特征。然后将所有训练样本的每一种特征组成一特征样本集，并利用谱聚类算法对特征样本集进行处理，得到标签集。最后以特征样本集和标签集作为输入，利用分类器算法训练得到三种分类器，以利用三种分类器识别行人与车辆的交互状态，辅助无人驾驶车辆或驾驶员的驾驶行为。
附图说明
[0009]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0010]图1为本专利技术实施例1所提供的识别方法的方法流程图；图2为本专利技术实施例1所提供的识别方法的原理框图；图3为本专利技术实施例1所提供的行人骨架节点位置编号示意图；图4为本专利技术实施例2所提供的识别系统的系统框图；图5为本专利技术实施例2所提供的识别系统的原理框图。
具体实施方式
[0011]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0012]本专利技术的目的是提供一种行人与车辆交互状态识别方法及系统，能够对行人与车辆的交互状态进行识别，辅助无人驾驶车辆或驾驶员的驾驶行为。
[0013]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0014]实施例1：本实施例用于提供一种行人与车辆交互状态识别方法，如图1和图2所示，包括：S1：获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；具体的，本实施例可利用车辆上安装的车载数据采集平台来采集行人数据，即使用多种传感器采集车辆行驶过程中的感知数据（包括激光雷达点云数据和图像数据），以获取多个训练样本。车载数据采集平台包括激光雷达和摄像头，激光雷达点云数据通过车辆上安装的激光雷达采集得到，图像数据通过车辆上安装的摄像头采集得到，激光雷达和摄像头会采集驾驶员视角的前方左、中、右的数据，以使所获得的数据尽可能全面的包括车辆周边的所有行人。
[0015]S2：对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；本实施例通过S2进行行人特征信息提取，对训练样本进行数据处理，得到行人多种特征信息，特征信息包括行人与车辆的距离特征D，行人头部朝向特征H与行人运动状态特征M。
[0016]需要说明的是，本实施例所述的激光雷达点云数据和图像数据均是在很短的一个时间间隔内采集得到的，故激光雷达点云数据为包括多帧点云数据的连续序列，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人与车辆交互状态识别方法，其特征在于，包括：获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；将所有所述训练样本的行人与车辆的距离特征组成第一特征样本集；利用谱聚类算法对所述第一特征样本集进行处理，得到第一标签集；将所有所述训练样本的行人头部朝向特征组成第二特征样本集；利用所述谱聚类算法对所述第二特征样本集进行处理，得到第二标签集；将所有所述训练样本的行人运动状态特征组成第三特征样本集；利用所述谱聚类算法对所述第三特征样本集进行处理，得到第三标签集；以所述第一特征样本集和所述第一标签集作为输入，利用分类器算法训练得到第一分类器；以所述第二特征样本集和所述第二标签集作为输入，利用所述分类器算法训练得到第二分类器；以所述第三特征样本集和所述第三标签集作为输入，利用所述分类器算法训练得到第三分类器；利用所述第一分类器、所述第二分类器和所述第三分类器识别行人与车辆的交互状态。2.根据权利要求1所述的一种行人与车辆交互状态识别方法，其特征在于，所述激光雷达点云数据通过车辆上安装的激光雷达采集得到；所述图像数据通过车辆上安装的摄像头采集得到。3.根据权利要求1所述的一种行人与车辆交互状态识别方法，其特征在于，所述对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征具体包括：提取所述激光雷达点云数据所包括的每一帧点云数据对应的距离；所述距离为行人与车辆的距离；计算所有所述点云数据对应的距离的平均值，得到行人与车辆的相对距离；对于每一帧所述点云数据，计算所述点云数据对应的距离与所述点云数据的前一帧点云数据对应的距离的差值，得到距离差；根据所有所述点云数据对应的距离差计算行人与车辆距离的增加量以及行人与车辆距离的减少量；所述行人与车辆的相对距离、所述行人与车辆距离的增加量以及所述行人与车辆距离的减少量组成行人与车辆的距离特征。4.根据权利要求1所述的一种行人与车辆交互状态识别方法，其特征在于，所述对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征具体包括：采用行人骨架识别方法对所述图像数据所包括的每一帧图像进行识别，得到每一帧所述图像的行人骨架节点坐标数据；所述行人骨架节点坐标数据包括鼻尖节点坐标数据、脊柱上止点坐标数据、脊柱下止点坐标数据、左胯关节节点坐标数据、右胯关节节点坐标数据、左膝关节节点坐标数据、右膝关节节点坐标数据、左踝关节节点坐标数据、右踝关节节点坐标数据；对于每一帧所述图像，根据所述鼻尖节点坐标数据和所述脊柱上止点坐标数据计算行人的鼻尖和脊柱上止点的连线与水平线的第一夹角；根据所述脊柱上止点坐标数据和所述
脊柱下止点坐标数据计算行人的脊柱高度；根据所述左膝关节节点坐标数据和所述右膝关节节点坐标数据计算行人的双膝距离；根据所述左踝关节节点坐标数据和所述右踝关节节点坐标数据计算行人的双踝距离；根据所述左胯关节节点坐标数据、所述左膝关节节点坐标数据和所述左踝关节...

【专利技术属性】
技术研发人员：吕超，张哲雨，肖峣，崔格格，龚建伟，臧政，冯悦，
申请(专利权)人：慧动星球北京科技有限公司，
类型：发明
国别省市：