[发明专利]基于人脸和肢体姿态识别的紧急制动方法及系统

说明书

本发明公开了基于人脸和肢体姿态识别的紧急制动方法及系统，该方法包括：通过设置在驾驶区域内不同位置的双目红外摄像头，持续性获取包括驾驶员面部及驾驶姿态的影像数据；提取驾驶员的面部特征及驾驶姿态特征，基于时间维度，分别对驾驶员情绪和肢体姿态稳定度进行量化，得到情绪量化结果及姿态量化结果；通过所述情绪量化结果及所述姿态量化结果，结合AEB系统中的传感器信息，量化得到行车危险程度等级，校正AEB系统的TTC输出，并根据校正后的所述TTC输出进行制动决策，生成相应的响应指令序列，通过车身域控制器执行制动动作。本发明降低了传统AEB系统感知端的漏检、误检概率，从而拓展AEB系统的适用场景，提升系统的鲁棒性。

技术领域

本发明涉及智能辅助驾驶的技术领域，特别涉及一种基于人脸和肢体姿态识别的紧急制动方法及系统。

背景技术

严重的交通事故绝大多数是车辆与障碍物碰撞产生，当前，作为车辆避碰技术的代表，自动紧急制动系统(Automatic Emergency Braking System，简称AEB)主要通过感知行车环境中的障碍物，在侦测到有发生碰撞风险的时候代替驾驶员进行制动操纵，缓解或避免由于驾驶员操纵不及时，或者在紧急情况下应激反应诱发的肢体失措而造成的碰撞伤害。

目前，主流的AEB系统多数是通过摄像头或者毫米波雷达进行信息提取。由于传感器的固有属性，如视场角、焦距、分辨率等难以突破物理属性约束，容易诱发AEB系统虚警或者漏检；在复杂场景情况下，这种系统误动作将更加频发，极大程度的影响了驾乘体验危害形成安全。例如摄像头难以分辨道路中“虚假障碍物”，如漂浮的塑料袋、绿化投影、井盖影像，雨天路面倒影、夜间光影等，毫米波雷达无法分辨路旁栅栏、路面井盖、易拉罐等，对此类“虚”目标的诱发AEB系统突然制动减速甚至停车，会极大程度的降低道路通行效率、影响了驾乘体验，易诱发碰撞追尾事故；在夜间浓雾逆光等复杂光照下，摄像头成像能力极大程度降低，图像纹理信息不足，而毫米波雷达则场景中的非金属目标检测能力较弱，此类漏检会直接诱发碰撞事故。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于人脸和肢体姿态识别的紧急制动方法，能够有效提升AEB系统的场景适应能力，降低误检概率。

本发明还提出一种具有上述基于人脸和肢体姿态识别的紧急制动方法的基于人脸和肢体姿态识别的紧急制动系统。

本发明还提出一种具有上述基于人脸和肢体姿态识别的紧急制动方法的计算机可读存储介质。

根据本发明的第一方面实施例的基于人脸和肢体姿态识别的紧急制动方法，包括以下步骤：S100，通过设置在驾驶区域内不同位置的双目红外摄像头，持续性获取包括驾驶员面部及驾驶姿态的影像数据；S200，提取所述影像数据中的驾驶员的面部特征及驾驶姿态特征，基于时间维度，分别对驾驶员情绪和肢体姿态稳定度进行量化，得到情绪量化结果及姿态量化结果；S300，通过所述情绪量化结果及所述姿态量化结果，结合AEB系统中的传感器信息，量化得到行车危险程度等级；S400，根据所述行车危险程度等级，校正AEB系统的TTC输出，并根据校正后的所述TTC输出进行制动决策，生成相应的响应指令序列，通过车身域控制器执行制动动作。

根据本发明实施例的基于人脸和肢体姿态识别的紧急制动方法，至少具有如下有益效果：通过对驾驶员面部表情、肢体姿态的持续追踪，利用驾驶员应激反应与环境刺激之间的映射关系模型，实现行车环境驾驶员端对环境的感知，最后通过人机感知信息融合修正机器感知结果，以此来降低传统AEB系统感知端的漏检、误检现象，从而拓展AEB系统的适用场景，提升系统的鲁棒性。

根据本发明的一些实施例，所述步骤S100包括：S110，通过设置在驾驶区域内不同位置的双目红外摄像头，获取同一时间不同角度的驾驶员面部及驾驶姿态的视频数据；S120，基于OpenCV函数库将所述视频数据转化成图像数据，根据拍摄时间进行双视角图像数据匹配；S130，根据匹配结果对所述图像数据进行全景合成拼接、灰度处理及二值化处理，得到所述影像数据。