[发明专利]基于浅层卷积神经网络探测前车起步检测方法及控制方法

说明书

本发明涉及基于浅层卷积神经网络探测前车起步检测方法及控制方法。该检测方法，包括：⑴行车记录仪通过重力加速器判断自身处于停车状态后,把前方图像传到神经网络的算法器；⑵输入层的图片会被处理成(300,300,3)长,宽,通道数据格式并被均值常态话处理；⑶基于移动网络构建从0层至10层的网络架构：⑷为车牌检测构建11层至图像输出层的网络架构；头部网络从11层到15层,分别负责检测(19x19),(10x10),(5x5),(3x3)图像数据检测,精准定位车牌的12个地标点来确定车牌在图像中的位置；⑸获得最终输出物在图像中识别出的数据：包含挂锚盒子的坐标、相对变量、坐标点和车牌分类信心指数。

技术领域

本发明属于汽车辅助驾驶领域，特别涉及一种基于浅层卷积神经网络探测前车起步检测方法及控制方法。

背景技术

随着科技的发展进步，智能化已经成为现今各个领域研究的热门课题，然而伴随着经济和科技的发展，城市道路上行驶的车辆也越来越多，城市的交通拥堵问题已经广泛困扰到人们的生活了，如何利用智能操控技术为道路的通畅运行也成为了交通领域广泛关注的课题。

前车起步提醒方法属于汽车辅助驾驶领域，在拥堵路段或在路口等待交通信号灯时，司机需要随时注意前车的启停状态，以保证车流顺畅有序，但漫长枯燥的等待里，司机难免分神以至没能及时注意前方车流情况，进一步加剧道路拥堵，还有可能造成因没及时起步带来的后车追尾现象。因此，当前方有车时前车已经起动，或是前方无车时绿灯已经亮起，司机没有做出相应反应时，需要系统自动提醒司机启动车辆，避免后车催促，提高道路通行效率。

现有技术中，中国专利申请号为：201510453118.4，名称：一种基于超声波雷达的前车起步提醒方法及系统，是一种基于前车测距的方法，通过超声波雷达传感器测量与前车的相对距离，再利用这个相对距离信息判定前车的启停动态，并根据判定结果提醒司机。但是，在该方案中，要想比较精确地获取与前车相对距离对传感器的精度有较高的要求，如果用在车载设备上，如记录仪上，无疑会及大地增加制作成本，实用性不强。

中国专利申请号为：201510164515.X，名称：一种基于安卓的低成本停车等待驾驶提醒系统，是一种基于运动目标检测的方法，该方案利用摄像头采集车辆前方的视频图像，当判定本车处于停车等待状态时，通过判断视频图像中的目标是否运动来判定前车是否已经起步行驶。但是，该方案利用运动目标的检测方法，由于很难区分出运动的到底是前车还是其它目标，容易造成误判，精度不高；而要通过提高通过视频进行判断的准确性，在视频数据的处理上无疑要加大成本，并且对车辆前面视频数据进行处理也是需要一定时间的，这种检测方案还会延迟系统的提醒时间，不利于用户及时进行判断。

另外市场上还有一种基于车牌识别的AI算法来判定前车起步的状态（http：//www.xjishu.com/zhuanli/57/201610819863.html），这种算法的弊端是本车在倒车的情况下，会误认为是前车起步的状态，会对驾驶员产生误报。

中国专利申请号为：201510700316.6，名称为：前车起步的处理方法、装置和系统，是一种基于重力传感器和视频传感器的前车起步的系统。利用ColorCSK的图像算法来判定前方车辆的运动轨迹，再根据自身的重力传感器的阀值来判定是否开启前车起步提醒功能以及对车内司机进行提醒。ColorCSK是利用高斯核计算相邻两帧之间的相关性，取响应最大的点为预测的目标中。其弊端是针对固定目标大小的，对发生尺度变化的目标鲁棒性差。由于行车路上的车辆种类很多，摩托车，卡车，公交车，轿车，三轮车等的车辆，大小都不一样，这种方法来判断车辆运动轨迹很难保证准确性。因此，提供一种简捷、准确、低成本的前车起步提醒方法是本领域亟待解决的问题。

另外，GravitySensor（GSensor)是一种加速度传感器，被广泛的应用的行车记录仪中，来实现车辆碰撞监控和停车监控的功能，但是没有被应用于高级辅助驾驶领域的AI算法。

发明内容