[发明专利]基于高精度地图的驾驶辅助识别方法

说明书

本发明提出了基于高精度地图的驾驶辅助识别方法，步骤1，汽车启动前，车内摄像头对驾驶员采集人脸图像，把图像传到MCU进行身份确认,同时判断驾驶人员是否是酒后驾驶，行车途中随机拍摄照片，检查判断驾驶员人脸状态，判断是否为疲劳驾驶；步骤2，通过卷积神经网络获取主干道路中车辆行驶状态信息、周围车辆状态信息和道路信息，实现像素级别端到端的语义分割，利用条件随机场优化语义分割将车辆、道路的彩色图像和深度图像转换为点云数据；所述主干道路车辆状态信息有速度、加速度和位置信息；周围车辆状态信息包括速度、加速度和位置信息；通过实验发现本发明识别精度高效果好。

技术领域

本发明涉及GIS应用技术领域，具体涉及基于高精度地图的驾驶辅助识别 方法。

背景技术

车辆辅助系统是利用安装在车上的各式各样传感器(毫米波雷达、激光雷 达、单\双目摄像头以及卫星导航)，在汽车行驶过程中随时来感应周围 的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导 航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生 的危险，有效增加汽车驾驶的舒适性和安全性。然而国内汽车生产厂家受 资金与研发实力的限制，在先进驾驶辅助系统研发方面的投入较少，该项 技术的发展有待进一步提高。

发明内容

本发明的目的在于克服上述现有技术的缺陷，提出一种基于高精度地图的 驾驶辅助识别方法。

本发明采用的技术方案如下：基于高精度地图的驾驶辅助识别方法，包括 以下步骤：

步骤1，汽车启动前，车内摄像头对驾驶员采集人脸图像，把图像传到 MCU进行身份确认,同时判断驾驶人员是否是酒后驾驶，行车途中随机拍 摄照片，检查判断驾驶员人脸状态，判断是否为疲劳驾驶；

步骤2，GIS集成学习模块通过卷积神经网络获取主干道路中车辆行驶状 态信息、周围车辆状态信息和道路信息，实现像素级别端到端的语义分 割，利用条件随机场优化语义分割将车辆、道路的彩色图像和深度图像转 换为点云数据；所述主干道路车辆状态信息有速度、加速度和位置信息； 周围车辆状态信息包括速度、加速度和位置信息；所述道路信息包括道路 交通网、当前道路限速、道路警示牌、道路标志信息。

步骤1驾驶员采集人脸图像过程中，用于扫描人脸，采集人脸图像特征并 将特征信息送入主控模块；车载控制模块根据主控模块送入的判断信息， 生成车辆控制指令；驾驶账号等信息包括驾驶身份、借车人账号、时间 戳、绑定账号口令。

行车途中随机拍摄照片，检查判断驾驶员人脸状态，判断是否为疲劳驾驶 的具体过程为：

摄像头采集的人脸图像，设定车内j中有个特征属于人脸，设，其中o 表示乘客人员，z表示潜在的主题，t表示每个座位信息所对应向量中的位 置，且，将{1,2,…,}采取随机置换，并令，那么对于人脸特征的一次 识别过程如下：

将车内所有人脸特征从它当前所属的类别中剔除：

(9)

主题分布：

(10)

通过学习对车内所有人脸选取其新的所属主题：

(11)

然后将特征重新加入它所属新的主题中：

(12)

固定，更新特征向量，构建约束：

(13)

几何约束满足高斯分布，其中表示高斯分布的均值，表示方差，重复 (1)-(5)，经过多次迭代循环之后，得到车内人脸检测模型，人脸与非人脸 对应不同分布，如果面部表情，尤其是眼睛处在长时间的眨眼或者闭眼 过程，则判断为疲劳驾驶。