[发明专利]自主汽车或者辅助驾驶系统规划路线的方法

说明书

自主汽车或者辅助驾驶系统规划路线的方法，属于运动目标跟踪处理领域，为了解决自主汽车或者辅助驾驶系统对路线规划考虑非危险行人的问题，依据车前的行人的磁力关系对行人分类，并依据对车前的行人的分类以规划路线，本发明的方案，依据行人磁力关系分类，并由此分类规划路线，能够使自动驾驶的路线更具有安全性和全面性，且以分类确定路线，能够对于路线选择更为清晰化。

技术领域

本发明属于运动目标跟踪处理领域，具体的说是利用磁力模型对道路行人潜在的危险程度进行区分的分类方法。

背景技术

运动目标跟踪处理技术是机器视觉领域中一个重要的研究课题，而随着自主汽车和辅助驾驶系统的应用，如何合理的运用目标跟踪处理技术来保护行人和车辆的安全也是现在的一个热门研究方向。

目前，在只使用车载摄像头的情况下，通过分析行人的历史移动轨迹和移动速度等信息来对行人进行分类是利用目标跟踪处理技术实现保护行人和车辆安全的一个主要途径。首先分析行人的移动轨迹和移动速度来计算行人会与车辆发生碰撞的概率，再利用该碰撞概率以及建立相应的分类规则将行人划分为不同的类型。现有的目标跟踪处理技术中的道路行人分类方法大多是计算行人会与车辆发生直接碰撞的概率，或者只对具备特定特征的特殊行人进行检测。

专利申请号为CN201610048194.1，名称为“基于组合特征与车载摄像头的盲人检测与识别方法与系统”先利用HOG特征对行人进行检测，然后在行人检测结果附近使用导盲犬、盲杖和盲镜三个分类特征来检测是否存在盲人。

专利申请号为CN201610048233.8，名称为“基于衣帽特征于姿态检测的交警检测方法和系统”将道路中交警的警帽和荧光马甲作为分类特征来判断行人检测结果中是否存在交警。通过对特定目标的特定特征进行检测虽然可以很好的对该目标进行识别，但由于只能检测特定目标而导致这种做法存在很大的局限性。

在文章《Analysis of Pedestrian Collision Risk using Fuzzy InferenceModel》中,Hariyono等人对行人和车辆的移动速度和移动方向以及人车之间的相对距离进行分析，计算行人与车辆的碰撞概率，通过碰撞概率的大小对行人进行分类。但是为了准确采集行人的速度和位置信息，该方法使用了一个架设在路边的摄像头从侧面对车前路况进行拍摄，导致该方法受环境影响较大。

文章《Estimation of Collision Risk for Improving Driver’s Safety》中Hariyono等人在车前建立了一块危险区域，将会进入该危险区域的行人判定为危险行人从而对行人进行分类。但是道路上存在很多突发状况可能导致行人会由普通行人瞬间变为危险行人。例如一个手持手机的行人在通过马路时突然发生减速，导致本来处于安全状态的行人突然变成会与车辆相撞的行人。

本发明所使用的道路行人分类方法是建立一种磁力模型，通过分析行人之间的物理逻辑关系以达到对行人潜在危险性的判断，而不是估计行人与车辆发生直接碰撞的危险性。通过建立新的道路行人分类规则将那些潜在危险性较高的行人作为主要分析对象，从而丰富现有的道路行人分类方法的分类结果，更好的保护车辆与行人的安全。

发明内容

为了解决自主汽车或者辅助驾驶系统对路线规划考虑非危险行人的问题，提出如下方案：一种自主汽车或者辅助驾驶系统规划路线的方法，依据车前的行人的磁力关系对行人分类，并依据对车前的行人的分类以规划路线。

进一步的，所述磁力关系由磁力模型表示，磁力模型包括斥力模型、吸力模型和无磁力模型，计算当前图像显示的磁力关系中各具体模型的概率，判断具体模型的概率超过概率阈值，则以当前模型反映当前图像中的道路行人的磁力关系，当有两种以上的模型概率超过概率阈值时，根据模型概率的优先级被判定为优先级较高的磁力行人。

进一步的，三种磁力概率中P_m的优先级最高，无磁力模型概率的优先级居中，斥力模型概率的优先级最低。