法律状态公告日
法律状态信息
法律状态
2019-04-05
授权
授权
2016-07-06
实质审查的生效 IPC(主分类):G06K9/00 申请日:20151229
实质审查的生效
2016-06-08
公开
公开
技术领域
本发明属于主动驾驶技术领域,具体说是一种应用在主动驾驶技 术中识别交通管制人员的方法。
背景技术
近年来智能交通与视觉技术相结合的主动驾驶受到了许多研发 机构的青睐,尤其在谷歌与特斯拉相继进行汽车主动驾驶的公开测试 后,研究主动驾驶技术的公司与科研机构更是如雨后春笋,层出不穷。 目前,现有的绝大多数主动驾驶技术,基本都是通过对汽车自身的定 位与导航地图结合,来进行路径的规划,通过视觉传感器与激光雷达 等传感器结合来检测前方的交通标志与障碍物信息,以指导汽车本身 的行驶轨迹,从而遵守交通规则,并避免交通事故的发生。然而当意 外情况发生时,往往会有交警或协勤等交通管制人员来进行特殊场景 的维护与处理。如果主动驾驶的过程中能够做出这方面的提示或警 告,无疑对驾驶人员是非常有帮助的。
发明内容
本发明提供了一种应用在主动驾驶技术中识别交通管制人员的 方法,通过该方法,可以使主动驾驶具有更高的实际使用价值,更加 适用于人们日常生活中的驾驶场景。
为实现上述目的,本发明的技术方案是,应用在主动驾驶技术中 识别交通管制人员的方法,是通过以下步骤实现的:
S1:搜集大量行人与交通管制人员的荧光马甲图像样本与其负样 本;
S2:通过adboost进行特征统计,离线训练得到关于行人检测的 分类器与荧光马甲检测的分类器,并建立荧光马甲的颜色直方图模 板;
S3:当主动驾驶系统通过行人检测模块检测出有行人目标出现 时,对行人的躯干部分上下左右各偏离1/N区间,进行荧光马甲的颜 色直方图模板匹配;
S4:模板匹配后对相似度度量达到M以上的多个候选区域进行荧 光马甲分类器精确检测,选取其中置信度最高的区域作为最终结果的 置信度;
S5:最终结果的置信度大于阈值时,检测到行人为交通管制人员。
进一步的,通过rbf神经网络训练得到荧光马甲的颜色直方图模 板。
进一步的,所述M的取值范围为80-85%。
进一步的,所述的阈值为95%;
进一步的,该方法还包括当检测到行人为交通管制人员时,对驾 驶人员进行提示切换为手动驾驶模式的步骤。
进一步的,当检测到行人为交通管制人员时,对交通管制人员的 帽子进行类型识别,其步骤如下:
A、通过adboost进行特征统计,离线训练大样本的交警警帽图 片,进而确定交警警帽分类器;
B、在上述检测出交通管制人员的基础上,通过对检测出的行人 头部区域进行上下左右各1/N区域的扩充;
C、然后对扩充后的头部区域进行交警警帽的检测,利用步骤A 中训练得到的交警警帽分类器,判断该区域内是否有交警警帽,如果 有则该交通管制人员为交警;否则为协勤。
进一步的,所述N的取值范围为2-3。
本发明由于采用以上技术方案,能够取得如下的技术效果:将行 人检测与服饰检测结合,从而在主动驾驶过程中将交通管制人员检测 出来,进而提示车辆上人员。这样帮助提示车辆上驾驶人员,在一些 有交通管制人员存在的特殊交通场景下,能更加全面的掌握环境信 息,以便做出更多的应对决策。
本发明利用交通管制人员的荧光马甲的颜色分布直方图,在检测 出的行人躯干部分临近范围内进行初步检测,然后对检测出的候选区 域进行分类器的精确识别,从而提高了交通管制人员的识别效率。通 过对交警警帽建立分类器,在检测出交通管制人员的时候,在其头部 区域邻域内进行交警警帽检测,从而判别该交通管制人员是否是交 警。后续还可以使用该方法对其他类型的交通管制人员或其他人员进 行分类与识别。
附图说明
本发明共有附图2幅:
图1为本发明的交通管制人员识别过程流程框图;
图2为交警识别过程流程框图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步的 具体说明。
实施例1
应用在主动驾驶技术中识别交通管制人员的方法,是通过以下步 骤实现的:
S1:搜集大量行人与交通管制人员的荧光马甲图像样本与其负样 本;
S2:通过adboost进行特征统计,离线训练得到关于行人检测的 分类器与荧光马甲检测的分类器,并通过rbf神经网络训练得到荧光 马甲的颜色直方图模板;
S3:当主动驾驶系统通过行人检测模块检测出有行人目标出现 时,对行人的躯干部分上下左右各偏离1/2区间,进行荧光马甲的颜 色直方图模板匹配;
S4:模板匹配后对相似度度量达到80%以上的多个候选区域进行 荧光马甲分类器精确检测,选取其中置信度最高的区域作为最终结果 的置信度;
S5:最终结果的置信度大于阈值95%时,检测到行人为交通管制 人员对驾驶人员进行提示切换为手动驾驶模式的步骤或者进行其他 工作。
当检测到行人为交通管制人员时,对交通管制人员的帽子进行类 型识别,其步骤如下:通过adboost进行特征统计,离线训练大样本 的交警警帽图片,进而确定交警警帽分类器;在上述检测出交通管制 人员的基础上,通过对检测出的行人头部区域进行上下左右各1/2区 域的扩充;然后对扩充后的头部区域进行交警警帽的检测,利用步骤 A中训练得到的交警警帽分类器,判断该区域内是否有交警警帽,如 果有则该交通管制人员为交警;否则为协勤。
实施例2
应用在主动驾驶技术中识别交通管制人员的方法,是通过以下步 骤实现的:
S1:搜集大量行人与交通管制人员的荧光马甲图像样本与其负样 本;
S2:通过adboost进行特征统计,离线训练得到关于行人检测的 分类器与荧光马甲检测的分类器,并通过rbf神经网络训练得到荧光 马甲的颜色直方图模板;
S3:当主动驾驶系统通过行人检测模块检测出有行人目标出现 时,对行人的躯干部分上下左右各偏离1/3区间,进行荧光马甲的颜 色直方图模板匹配;
S4:模板匹配后对相似度度量达到85%以上的多个候选区域进行 荧光马甲分类器精确检测,选取其中置信度最高的区域作为最终结果 的置信度;
S5:最终结果的置信度大于阈值95%时,检测到行人为交通管制 人员对驾驶人员进行提示切换为手动驾驶模式的步骤或者进行其他 工作。
当检测到行人为交通管制人员时,对交通管制人员的帽子进行类 型识别,其步骤如下:通过adboost进行特征统计,离线训练大样本 的交警警帽图片,进而确定交警警帽分类器;在上述检测出交通管制 人员的基础上,通过对检测出的行人头部区域进行上下左右各1/3区 域的扩充;然后对扩充后的头部区域进行交警警帽的检测,利用步骤 A中训练得到的交警警帽分类器,判断该区域内是否有交警警帽,如 果有则该交通管制人员为交警;否则为协勤。
本发明将行人检测与服饰(这里为荧光马甲)检测结合,从而在 主动驾驶过程中将交通管制人员检测出来,进而提示车辆上人员。本 发明利用交通管制人员的荧光马甲的颜色分布直方图,在检测出的行 人躯干部分临近范围内进行初步检测,然后对检测出的候选区域进行 分类器的精确识别,从而提高了交通管制人员的识别效率。本发明将 行人检测与交警警帽检测结合,从而在检测出交通管制人员的时候, 在其头部区域邻域内进行交警警帽检测,从而判别该交通管制人员是 否是交警。后续还可以使用该方法对其他类型的交通管制人员或其他 人员进行分类与识别。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范 围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技 术范围内,根据本发明的技术方案及其发明构思加以等同替换或改 变,都应涵盖在本发明的保护范围之内。
机译: 用于警告驾驶员通过使用V2V连接的人体状况识别检测到驾驶员的异常情况的方法和设备{方法和设备,用于通过使用人员的recode来警报数据的异常驱动器情况
机译: 驾驶人员识别的方法和系统
机译: 用于例如人脸监测的人脸监测方法在车辆驾驶过程中观察人员的警惕性,包括在人脸图像上识别出符号点时终止监视人脸的初始化