[发明专利]基于交通信息的车辆预警方法、系统、存储介质及车辆

说明书

本发明公开了一种基于交通信息的车辆预警方法、系统、存储介质及车辆，所述方法包括：在车辆行驶过程中，获取设于车辆前端的图像采集装置采集到的道路信息图像；将所述道路信息图像输入至预训练的交通检测模型当中，以获取当前交通信息，所述交通信息至少包括斑马线信息、行人信息以及交通信号灯信息；根据所述斑马线信息、行人信息以及交通信号灯信息判断所述车辆是否满足预警条件；若是，则发出预警信息；其中，所述预警条件为行人正在过斑马线以及交通信号灯为禁行信号灯中的任意一种。本发明解决了现有技术中在对道路交通信息进行检测时检测精度低的问题。

技术领域

本发明涉及车辆技术领域，特别涉及一种基于交通信息的车辆预警方法、系统、存储介质及车辆。

背景技术

目前，礼让行人预警方法大多基于超声波雷达等车载传感器，检测精度不高且容易产生误检测；而交通信号灯信息检测方法大多利用车载摄像头对当前行驶环境中的交通信号灯信息进行拍摄识别后感知，但在复杂的交通场景下，由于动态行驶过程中交通背景、光线以及目标尺度大小不同等影响因素的干扰，其检测精度也有待提高。

发明内容

有鉴于此，本发明的目的在于提供一种基于交通信息的车辆预警方法、系统、存储介质及车辆，旨在解决现有技术中在对道路交通信息进行检测时检测精度低的问题。

本发明实施例是这样实现的：

一种基于交通信息的车辆预警方法，所述方法包括：

在车辆行驶过程中，获取设于车辆前端的图像采集装置采集到的道路信息图像；

将所述道路信息图像输入至预训练的交通检测模型当中，以获取当前交通信息，所述交通信息至少包括斑马线信息、行人信息以及交通信号灯信息；

根据所述斑马线信息、行人信息以及交通信号灯信息判断所述车辆是否满足预警条件；

若是，则发出预警信息；

其中，所述预警条件为行人正在过斑马线以及交通信号灯为禁行信号灯中的任意一种。

进一步地，上述基于交通信息的车辆预警方法，其中，所述将所述道路信息图像输入至预训练的交通检测模型当中，以获取当前交通信息，所述交通信息至少包括斑马线信息、行人信息以及交通信号灯信息的步骤之前还包括：

采集真实行驶场景下的历史交通信号灯、斑马线以及行人图像数据以获取数据集；

根据所述数据集对预设神经网络进行训练直至所述预设神经网络中的损失函数值稳定在预设范围内。

进一步地，上述基于交通信息的车辆预警方法，其中，所述预设神经网络的训练过程包括：

通过特征融合在所述预设神经网络上增加一个预设尺度的输出层，利用所述预设神经网络的卷积层倒数第二层对特征图进行上采样，并将所述上采样的特征与所述预设神经网络的第四层卷积层的输出相结合。

进一步地，上述基于交通信息的车辆预警方法，其中，所述预设神经网络的训练过程还包括：

应用1×1卷积层将所述预设神经网络中的特征图的通道维度降低到预设维度；

将所述特征图依次进行不同预设尺度的池化，并将同一层池化的多尺度的所述特征图连接起来，以融合多尺度局部区域特征。

进一步地，上述基于交通信息的车辆预警方法，其中，所述损失函数为：

；

其中，y表示实际标注的样本，1表示正样本，0表示负样本，p表示预测样本属于1的概率，α表示平衡因子，γ表示调制系数。

进一步地，上述基于交通信息的车辆预警方法，其中，所述采集真实行驶场景下的历史交通信号灯、斑马线以及行人图像数据以获取数据集的步骤之前还包括：

在所述车辆行驶过程中，实时录制视频信息，根据所述视频信息截取不同场景帧下包含所述斑马线信息、行人信息以及交通信号灯信息的历史图像数据；

根据所述历史图像数据对所述数据集进行扩展。