[发明专利]基于驾驶员制动与加速意图辨识的行人防碰撞预警方法

摘要

本发明公开了一种基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，包括如下步骤：ⅰ、采集实验数据进行隐马尔可夫HMM模型的一次离线训练；ⅱ、采集实验数据进行隐马尔科夫HMM模型的二次离线训练；ⅲ、辨识出驾驶员避碰行人意图数据信号；ⅳ、辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分析，并做出不同的预警处理。本发明将行人、车辆作为一个系统来研究，通过分析驾驶员在遇到车辆前方存在行人时可能采取的操纵行为和策略，并根据驾驶行为及意图判断是否存在危险，对驾驶员进行相应的预警，对错误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警，有效保护行人的安全、提高汽车的主动安全能。

主权项

基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，其特征在于：包括如下步骤：ⅰ、采集实验数据进行隐马尔可夫HMM模型的一次离线训练：针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；把采集的一长段实验数据分段处理后，将制动踏板力数据、制动踏板位移数据、油门踏板行程数据输入到制动与加速隐马尔可夫HMM模型中，将车速数据输入到速度分级模块中；在制动与加速隐马尔科夫HMM模型中，构建正常松油门、快速松油门、油门保持、踩下油门、正常踩制动、快速踩制动、制动保持、松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔可夫HMM模型；应用Baum‑Welch算法，对所述9个多维高斯隐马尔科夫HMM模型进行离线训练，迭代优化各个模型参数；把同时间段的车速信号按等级编号，输入到速度分级模块；ⅱ、采集实验数据进行隐马尔科夫HMM模型的二次离线训练：针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；将制动踏板力数据、制动踏板位移数据、油门踏板行程数据再次输入到制动与加速隐马尔可夫HMM模型中，将车速数据再次输入到速度分级模块中；应用Forward‑Backward算法分别计算新采集到的驾驶行为实验数据相对于步骤ⅰ中所述的9个驾驶行为多维高斯隐马尔科夫HMM模型的似然度，选择似然度最大的模型作为驾驶员驾驶行为辨识结果；并把该隐马尔科夫HMM模型的二维的驾驶行为辨识结果串—制动与加速辨识结果串和车速辨识结果串，作为驾驶员意图辨识隐马尔可夫HMM模型的观察序列，对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化，得到2个驾驶员避碰行人意图隐马尔科夫HMM模型：加速隐马尔科夫HMM模型和制动停车隐马尔科夫HMM模型；ⅲ、辨识出驾驶员避碰行人意图数据信号：将实时采集的制动踏板力传感器信号、制动踏板位移传感器信号、油门踏板行程传感器信号输入到制动与加速隐马尔科夫HMM模型中，将车速传感器信号输入到速度分级模块中，对9个驾驶行为多维高斯隐马尔科夫HMM模型进行离线训练和优化，辨识出驾驶 员操作，得到驾驶行为隐马尔科夫HMM模型的二维的辨识结果串—制动与加速辨识结果串和车速辨识结果串，组成观察序列串后，送入驾驶员意图辨识2个隐马尔科夫HMM模型，应用Forward‑Backward算法，分别计算2个多维离散隐马尔科夫HMM模型产生该观察序列的可能性，选择似然度最大的模型作为驾驶意图数据信号；ⅳ、辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分析，并做出不同的预警处理：在汽车前部设置基于红外线技术的人体感应器，用于实时采集人体感应数据信号；在汽车车载系统设置用于依据人体感应数据信号及驾驶意图数据信号进行实时数据分析并控制声音信号警示装置进行预警的中央处理单元。