[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N_j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

t:将{1,2,…,N_j}采取随机置换τ(g)，并令i∈{τ(1),...,τ(N_j)}，那么对于人脸特征 (w_ji,v_ji)的一次识别过程如下：

将车内所有人脸特征(w_ji,v_ji)从它当前所属的类别中剔除：

主题分布：

通过学习对车内所有人脸选取其新的所属主题：

然后将特征重新加入它所属新的主题中：

固定更新特征向量，构建约束：