[发明专利]一种智能网联汽车安全预警系统及预警方法

权利要求书

1.一种智能网联汽车安全预警系统，其特征在于，包括：

图像接口模块(40)，用于对接各类摄像头或者图像数据的接口；

传感接口模块(50)，用于对接各类传感器或者传感数据的接口；

图像处理模块(20)，运行有图像预测处理程序，能够根据接收到的图像数据输出安全预警信息；

数据处理模块(30)，运行有数据预测处理程序，能够根据接收到的传感数据输出安全预警信息；

中央处理模块(10)，用于接收所述图像接口模块(40)和所述传感接口模块(50)传来的图像数据和传感数据，并将接收到的数据发送给所述图像处理模块(20)和所述数据处理模块(30)；

云服务模块(60)，用于存储各类服务数据，并能够向所述中央处理模块(10)发送各类服务数据；

所述图像处理模块(20)根据接收到的所述图像数据进行预测计算，生成碰撞预警并发送给所述中央处理模块(10)；

所述碰撞预警的生成方法，包括：建立一个径向基神经网络，用于根据驾驶员状态的图像信息生成驾驶员状态影响因子，所述驾驶员状态影响因子，用于评价当前驾驶员状态是否影响紧急事件的处理；建立广义回归神经网络，根据驾驶员状态影响因子和车辆运行状态，生成碰撞预警信息；

所述驾驶员状态影响因子生产方法，包括：采用的径向基神经网络，输入层有M个神经元，对应M维图像特征序列，任一神经元用l表示；隐含层有N个神经元，任一神经元用i表示；输出层为1个神经元，输出1或0，1表示驾驶员状态的正影响，0表示驾驶员状态的负影响或不影响；实时采集驾驶员的N维图像序列，记训练样本集X＝[X₁，X₂，...，X_k，...，X_N]^T，表示N组图像特征，任一训练样本X_k＝[x_k1，x_k2，...，x_kl，...，x_kM](k∈N)，x_kM为任一训练样本对应的第M个神经元的输入数据，任一训练样本X_k对应的实际输出为Y_k；输入训练样本X_k，输入层和隐含层之间的连接权值为1；设立隐含层基函数为高斯函数G，基函数是隐含层的激励输出，t为高斯函数的中心，σ为方差，基函数为：

其中，||·||表示泛函数，用泛函数自变量作为基函数，可极大提高网络的泛化性能；

输出层神经元的实际输出为：

其中，ε₁表示驾驶员状态影响阈值，可由用户设定，以调整驾驶员状态影响灵敏度，ω_i是隐含层到输出层的权值；经上述过程，得到训练好的径向基神经网络，所述径向基神经网络可根据驾驶员的图像序列，生成驾驶员状态影响因子；

所述建立广义回归神经网络根据驾驶员状态影响因子和车辆运行状态，生成碰撞预警信息，包括：记车辆运行状态传感数据维度为u，则建立广义回归神经网络的输入层神经元为(u+1)个，第(u+1)输入层用于接收径向基神经网络传来的驾驶员状态影响因子，则广义回归神经网络的输入为q＝[q₁，q₂，...q_u，q_u+1]，其中[q₁，q₂，...q_u]分别为u维车辆运行状态数据，q_u+1为第(u+1)输入层驾驶员状态影响因子；广义回归神经网络的结构如下：

P_i(i＝1，2，...，u+1)为模式层神经元的传递函数，S₁为求和层对所有模式层神经元的输出进行算术求和的传递函数，S₂为求和层对所有模式层神经元的输出进行加权求和的传递函数；

模式层与输入层全连接，层内无连接，模式层神经元个数与输入层相等，即为u+1，各神经元对应不同的样本，模式层神经元传递函数为径向基函数：

其中，D_i为第i个神经元对应的学习样本，σ为方差，D为实际输入数据集；

求和层中有两类神经元，第一类神经元为每个模式层神经元的输出和，其模式层与各神经元的连接权值为1；第二类神经元为预期的结果与每个模式层神经元的加权和；第一类神经元是对所有模式层神经元的输出进行算术求和，其模式层与各神经元的连接权值为1，传递函数为第二类神经元是对所有模式层的神经元进行加权求和，模式层中第i个神经元与求和层第j个神经元之间的连接权值为y_ij，传递函数为第一类神经元个数为1，第二类神经元个数为T；

广义回归神经网络的输出为：

其中，ε₂表示碰撞预警灵敏度阈值，由用户设定；当Y＝1时，发出碰撞预警信息；当Y＝0时，不发出碰撞预警信息。