CN108545021A - 一种识别特殊目标的辅助驾驶方法及*** - Google Patents
一种识别特殊目标的辅助驾驶方法及*** Download PDFInfo
- Publication number
- CN108545021A CN108545021A CN201810343108.9A CN201810343108A CN108545021A CN 108545021 A CN108545021 A CN 108545021A CN 201810343108 A CN201810343108 A CN 201810343108A CN 108545021 A CN108545021 A CN 108545021A
- Authority
- CN
- China
- Prior art keywords
- special objective
- identification
- special
- objective
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种识别特殊目标的辅助驾驶方法及***,属于智能驾驶技术领域,本发明基于深度学习的图像目标识别***可以识别在行车过程中特殊目标的存在,进而提醒驾驶员,引起驾驶员的注意,从而增强行车安全。
Description
技术领域
本发明涉及智能驾驶的技术领域,尤其涉及一种识别特殊目标的辅助驾驶方法及***。
背景技术
行车安全一直是社会普遍关注的问题,关系到驾驶员和行人的生命安全,如何有效地提高行车安全,降低车祸发生的概率一直是人们努力的方向。在行车过程中,出现在行车方向以及路边的一些特殊目标需要驾驶员特别关照,而由于人的关注度有限很可能会忽略一些特殊的目标,例如老人、动物、特殊指示牌等。老人过马路会行动比较慢,需要驾驶员特殊照顾,而一些行车指示牌会指示接下来的路况,这些目标都会影响行车安全。
深度学习的算法日趋成熟,尤其是在图像目标识别中表现优良,可以有效地识别出标定的目标,传统目标识别的方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域,然后对这些区域提取特征,最后使用训练的分类器进行分类。分别如下:
a)区域选择:利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域。
b)特征提取:提取候选区域相关的视觉特征。比如人脸检测常用的Harr特征;行人检测和普通目标检测常用的HOG特征等。由于目标的形态多样性,光照变化多样性,背景多样性等因素使得设计一个鲁棒的特征并不是那么容易,然而提取特征的好坏直接影响到分类的准确性。
c)分类器:利用分类器进行识别,比如常用的SVM模型。
目前可以实现图像目标识别的算法可以有效地实现特殊目标的识别人类,只需要根据不同目标重新训练一下即可。
发明内容
为了解决以上技术问题,本发明提出了一种识别特殊目标的辅助驾驶方法。可以有效识别标示牌、老人、动物等特殊目标,并通过语音播报的方式提醒驾驶员注意。
一种识别特殊目标的辅助驾驶方法, 基于深度学习的算法训练识别行车过程中特殊目标的模型,并将训练完成的深度学习模型应用于辅助驾驶***中,通过语音播报的方式提醒驾驶员注意。
具体操作步骤如下:
1)首先通过车载摄像头采集行车实际图像,选定图像识别的神经网络模型,设定特殊目标种类,并以此为根据标定数据集,在服务器端进行训练;
2)将已经训练好的用于特殊目标识别的深度学习模型通过车载***的特殊目标识别模块来实现;
3)行车过程中实时采集图像,通过特殊目标识别模块来识别出特殊目标种类,传递给车载处理器;
4)车载处理器根据识别出的目标类型,控制车载音响播放语音提醒,指明特殊目标种类,并建议驾驶员采取适当的操作。
本发明还提出了一种识别特殊目标的辅助驾驶***,主要包括安装在车顶的摄像头、特殊目标识别模块、车载处理器以及音响;其中,
摄像头:采集行车图像;
特殊目标识别模块:实现已经训练好的用于特殊目标识别的深度学习模型;
车载处理器:选定图像识别的神经网络模型,设定特殊目标种类,并以此为根据标定数据集,进行训练;根据识别出的目标类型,控制车载音响播放语音提醒,指明特殊目标种类,并建议驾驶员采取适当的操作。
本发明的有益效果是
根据深度学习的算法设计实现了行车过程中的图像目标识别,有效地识别出出现在行车方向的特殊目标,并通过语音的方式提醒监视员,起到增强行车安全的作用。
附图说明
附图1本发明的***结构图;
附图2 本发明的训练流程图。
具体实施方式
下面对本发明的内容进行更加详细的阐述:
整个***包括安装在车顶的摄像头、特殊目标识别模块、车载处理器以及音响,如附图1所示。深度学习目标识别模块支持当前常见的图像目标识别模型来训练得到,例如SSD,R-CNN等神经网络模型,训练到应用的过程如附图2所示,神经网络模型只需要识别出人工设定的特殊目标即可,包括:动物、小学生、标示牌、红灯、老人、服务区、加油站;根据需要识别的特殊目标数量,需要调整神经网络最后分类层的类别数。
具体工作流程为:
1)首先通过车载摄像头采集行车实际图像,选定图像识别的神经网络模型,设定特殊目标种类,并以此为根据标定数据集,在服务器端进行训练;
2)将已经训练好的用于特殊目标识别的深度学习模型通过车载***的特殊目标识别模块来实现;
3)行车过程中实时采集图像,通过特殊目标识别模块来识别出特殊目标种类,传递给车载处理器;
4)车载处理器根据识别出的目标类型,控制车载音响播放语音提醒,指明特殊目标种类,并建议驾驶员采取适当的操作,例如慢性、停车等。
Claims (3)
1.一种识别特殊目标的辅助驾驶方法,其特征在于,
基于深度学习的算法训练识别行车过程中特殊目标的模型,并将训练完成的深度学习模型应用于辅助驾驶方法中,通过语音播报的方式提醒驾驶员注意。
2.根据权利要求1所述的方法,其特征在于,
具体操作步骤如下:
1)首先通过车载摄像头采集行车实际图像,选定图像识别的神经网络模型,设定特殊目标种类,并以此为根据标定数据集,在服务器端进行训练;
2)将已经训练好的用于特殊目标识别的深度学习模型通过车载***的特殊目标识别模块来实现;
3)行车过程中实时采集图像,通过特殊目标识别模块来识别出特殊目标种类,传递给车载处理器;
4)车载处理器根据识别出的目标类型,控制车载音响播放语音提醒,指明特殊目标种类,并建议驾驶员采取适当的操作。
3.一种识别特殊目标的辅助驾驶***,其特征在于,主要包括安装在车顶的摄像头、特殊目标识别模块、车载处理器以及音响;其中,
摄像头:采集行车图像;
特殊目标识别模块:实现已经训练好的用于特殊目标识别的深度学习模型;
车载处理器:选定图像识别的神经网络模型,设定特殊目标种类,并以此为根据标定数据集,进行训练;根据识别出的目标类型,控制车载音响播放语音提醒,指明特殊目标种类,并建议驾驶员采取适当的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810343108.9A CN108545021A (zh) | 2018-04-17 | 2018-04-17 | 一种识别特殊目标的辅助驾驶方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810343108.9A CN108545021A (zh) | 2018-04-17 | 2018-04-17 | 一种识别特殊目标的辅助驾驶方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108545021A true CN108545021A (zh) | 2018-09-18 |
Family
ID=63515383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810343108.9A Pending CN108545021A (zh) | 2018-04-17 | 2018-04-17 | 一种识别特殊目标的辅助驾驶方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108545021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796883A (zh) * | 2019-11-06 | 2020-02-14 | 山东浪潮人工智能研究院有限公司 | 一种基于图像识别的电动自行车违章提醒方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6560582B1 (en) * | 2000-01-05 | 2003-05-06 | The United States Of America As Represented By The Secretary Of The Navy | Dynamic memory processor |
CN102866695A (zh) * | 2012-09-25 | 2013-01-09 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种雨雪天辅助驾驶***以及辅助驾驶方法 |
CN103802670A (zh) * | 2012-11-07 | 2014-05-21 | 原相科技股份有限公司 | 车用监测和警示*** |
CN105608444A (zh) * | 2016-01-27 | 2016-05-25 | 大连楼兰科技股份有限公司 | 一种用于自动驾驶的野生动物图像识别方法 |
CN105930830A (zh) * | 2016-05-18 | 2016-09-07 | 大连理工大学 | 一种基于卷积神经网络的路面交通标志识别方法 |
CN107220643A (zh) * | 2017-04-12 | 2017-09-29 | 广东工业大学 | 基于紧凑型神经网络的深度学习模型的交通标志识别*** |
CN107272490A (zh) * | 2017-06-30 | 2017-10-20 | 黄咏奎 | 汽车及家庭智能控制*** |
CN107463892A (zh) * | 2017-07-27 | 2017-12-12 | 北京大学深圳研究生院 | 一种结合上下文信息和多级特征的图像中行人检测方法 |
DE102017114122A1 (de) * | 2016-06-28 | 2017-12-28 | Ford Global Technologies, Llc | Erkennen von physischen Bedrohungen, die sich einem Fahrzeug nähern |
CN107609602A (zh) * | 2017-09-28 | 2018-01-19 | 吉林大学 | 一种基于卷积神经网络的驾驶场景分类方法 |
CN107650640A (zh) * | 2017-09-20 | 2018-02-02 | 上海工程技术大学 | 一种基于图像处理的汽车驻车开门的预警方法及预警*** |
US20180101738A1 (en) * | 2016-10-06 | 2018-04-12 | Smr Patents S.A.R.L. | Object detection and classification with fourier fans |
-
2018
- 2018-04-17 CN CN201810343108.9A patent/CN108545021A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6560582B1 (en) * | 2000-01-05 | 2003-05-06 | The United States Of America As Represented By The Secretary Of The Navy | Dynamic memory processor |
CN102866695A (zh) * | 2012-09-25 | 2013-01-09 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种雨雪天辅助驾驶***以及辅助驾驶方法 |
CN103802670A (zh) * | 2012-11-07 | 2014-05-21 | 原相科技股份有限公司 | 车用监测和警示*** |
CN105608444A (zh) * | 2016-01-27 | 2016-05-25 | 大连楼兰科技股份有限公司 | 一种用于自动驾驶的野生动物图像识别方法 |
CN105930830A (zh) * | 2016-05-18 | 2016-09-07 | 大连理工大学 | 一种基于卷积神经网络的路面交通标志识别方法 |
DE102017114122A1 (de) * | 2016-06-28 | 2017-12-28 | Ford Global Technologies, Llc | Erkennen von physischen Bedrohungen, die sich einem Fahrzeug nähern |
US20180101738A1 (en) * | 2016-10-06 | 2018-04-12 | Smr Patents S.A.R.L. | Object detection and classification with fourier fans |
CN107220643A (zh) * | 2017-04-12 | 2017-09-29 | 广东工业大学 | 基于紧凑型神经网络的深度学习模型的交通标志识别*** |
CN107272490A (zh) * | 2017-06-30 | 2017-10-20 | 黄咏奎 | 汽车及家庭智能控制*** |
CN107463892A (zh) * | 2017-07-27 | 2017-12-12 | 北京大学深圳研究生院 | 一种结合上下文信息和多级特征的图像中行人检测方法 |
CN107650640A (zh) * | 2017-09-20 | 2018-02-02 | 上海工程技术大学 | 一种基于图像处理的汽车驻车开门的预警方法及预警*** |
CN107609602A (zh) * | 2017-09-28 | 2018-01-19 | 吉林大学 | 一种基于卷积神经网络的驾驶场景分类方法 |
Non-Patent Citations (1)
Title |
---|
林付春,张荣芬,刘宇红: "基于深度学习的智能辅助驾驶***设计", 《贵州大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796883A (zh) * | 2019-11-06 | 2020-02-14 | 山东浪潮人工智能研究院有限公司 | 一种基于图像识别的电动自行车违章提醒方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109637151B (zh) | 一种高速公路应急车道违章行驶的识别方法 | |
WO2019105342A1 (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN106935035B (zh) | 基于ssd神经网络的违章停车车辆实时检测方法 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN109949579A (zh) | 一种基于深度学习的闯红灯违法自动审核方法 | |
CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN109948416A (zh) | 一种基于深度学习的违法占用公交车道自动审核方法 | |
CN109800633A (zh) | 一种非机动车交通违法判断方法、装置和电子设备 | |
CN109948418A (zh) | 一种基于深度学习的违反导向违法自动审核方法 | |
CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN104751634A (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN103268489A (zh) | 基于滑窗搜索的机动车号牌识别方法 | |
CN110991221B (zh) | 一种基于深度学习的动态交通闯红灯识别方法 | |
CN101261722A (zh) | 电子警察后台智能管理和自动实施*** | |
CN110930723B (zh) | 一种违法停车检测实现方法 | |
CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
KR102015945B1 (ko) | 자율주행을 위한 학습대상 이미지 패키징 장치 및 방법 | |
JP2010205160A (ja) | 速度規制標識認識結果の通知方法 | |
CN110378243A (zh) | 一种行人检测方法及装置 | |
CN107393311A (zh) | 一种车牌篡改识别装置及方法 | |
CN109948419A (zh) | 一种基于深度学习的违法停车自动审核方法 | |
CN103854029A (zh) | 一种前车窗右上角点检测方法 | |
CN105184301A (zh) | 一种利用四轴飞行器判别车辆方位的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |
|
RJ01 | Rejection of invention patent application after publication |