[发明专利]基于人工智能的开车门意图检测方法

说明书

本发明涉及一种基于人工智能的开车门意图检测方法，该方法对连续采集到的车门外侧的每一帧图像进行如下操作：1、采用背景差分法获得当前帧运动前景图像；2、对运动前景图像进行连通域分析，求得当前帧与上一帧的连通域面积差r；使用人体关键点检测网络对当前帧运动前景图像进行人体关键点检测，求得向前伸出的手臂的抬起角度s；使用目标检测网络对当前帧运动前景图像进行处理，获得当前帧与上一帧手部图像的凸包面积差t；3、构建开车门意图置信度函数：H(r,s,t)＝aH(r)+bH(s)+cH(t)；a、b、c分别为权重参数；4、函数H(r,s,t)的值大于置信度阈值M时，判定为有开车门意图；本发的检测准确率高，速度快。

(一)、技术领域：

本发明涉及一种开车门意图检测方法，特别涉及一种基于人工智能的开车门意图检测方法。

(二)、背景技术：

随着科学技术的发展，智能化得到了广泛的应用，特别是在无人驾驶汽车、无人商店等智能化应用方面得到了长足的进步。对于智能汽车，现有技术多注重车辆行驶状态下车辆周围环境的自动识别，而对于驾驶员和乘客上车意图的检测，则较少涉及，驾驶员还是要用钥匙来控制车门的解锁，而乘客则是已经接近车辆了甚至是需要敲车窗或者呼喊才引起驾驶员的注意，这给驾驶员和乘客带来了诸多不便，乘驾体验感较差。申请号为201811386620.8发明专利申请公布了一种车门的控制方法，该方法通过接近车辆人员腿部的姿态以及步相判断该人员行走速度的变化，来确定是否是目标乘客。而实际场景中由于人群遮挡不能很好的提取腿部姿态信息，且根据步相获得行走速度的变化确定是否是目标乘客过于理想化，该发明在实际应用中缺乏实用性。

(三)、发明内容：

本发明要解决的技术问题是：提供一种基于人工智能的开车门意图检测方法，该方法通过构建开车门意图置信度函数，综合实时判断人员的开车门意图，检测准确率高，速度快。

本发明的技术方案：

一种基于人工智能的开车门意图检测方法，使用车门外把手部位设置的相机进行拍照，连续采集车门外侧图像，每采集到一帧图像，进行如下操作：

步骤1、采用背景差分的方法获得当前帧运动前景图像；

相机平时一直保持低帧率省电状态，当检测到有运动前景图像后，相机被激活，进入高帧率的工作状态；

步骤2、根据运动前景图像得到三个量化指标：连通域面积差r、抬起角度s和凸包面积差t；

连通域面积差r的获得方法如下：

对运动前景图像进行连通域分析，求得当前帧运动前景图像与上一帧运动前景图像的连通域面积差r，r0表示人靠近车门，r值越大表示人靠近速度越快；因相机采样很快，所以相邻帧距离最近的前景被认定为同一目标，当检测到两帧之间连通域面积增大时判定为靠近车门行为；

抬起角度s的获得方法如下：

步骤2.1、使用人体关键点检测网络对当前帧运动前景图像进行人体关键点检测，人体关键点包括脊柱中心点、头部关键点、左肩膀关键点、右肩膀关键点、左手肘关键点、右手肘关键点、左手关键点和右手关键点，分别记为(P1,P2,P3,P4,P5,P6,P7,P8)；

步骤2.2、使用PAFs(亲和关系场Part Affinity Fields)来组合检测到的人体关键点，获得当前帧运动前景图像的二维骨骼姿态信息；

步骤2.3、当前帧运动前景图像之前至少两帧连续的运动前景图像的二维骨骼姿态信息经TCN网络(时序卷积神经网络)处理后得到人体的三维动作序列；建立直角坐标系：(1)在地面上选一点作为原点O；(2)使X轴在水平面内并指向车辆的方向；(3)Z轴垂直于地面并指向地心；(4)Y轴在水平面内垂直于X轴，其指向按右手定则确定；根据人体的三维动作序列得到直角坐标系中人体各骨骼的俯仰角(pitch)、航偏角(yaw)和翻滚角(roll)；