[发明专利]一种行人避让系统和行人监测方法

说明书

本发明公开了一种行人避让系统和行人监测方法，行人避让系统包括：监测端和边缘云端；监测端设置在路口一侧，监测端用于拍摄对应监测范围内的路面图像，并利用内部的轻量级神经网络识别路面图像中是否有行人，当路面图像中有行人时，将路面图像发送给边缘云端；边缘云端用于将路面图像输入内部的高精度神经网络，得到路面图像中行人的位置信息，根据位置信息计算得到行人与路口交界点的距离，利用距离生成避让警示信息，并将避让警示信息发送给预定范围内的车辆，预定范围是以路口交界点为中心的一个区域范围。本实施例能够有效避免由于超视距问题导致的安全隐患；且边缘云端只在需要的时候进行工作，从而能够大大降低整个系统的额外功耗。

技术领域

本发明属于汽车安全技术领域，具体涉及一种行人避让系统和行人监测方法。

背景技术

随着经济的发展及人们生活水平的不断提高，车辆的数量不断增多，路况日益复杂。在某些超视距范围内，车辆往往无法对行人实现及时避让，容易引发交通安全事故。

随着车路协同技术的发展，车辆可以通过物联网等技术，实施车与车之间、车与路之间动态实时的信息交互。因此，如果可以利用车路协同技术，通过路侧检测装置对道路情况进行不间断的视觉监测，实现行人检测，并将检测结果发送给周边车辆，那么，车辆就可以有效实现行人避让。

近年来，随着深度学习的迅速发展，出现了一系列目标检测网络，比如fastrcnn、ssd等。但在物联网场景下，若路侧检测装置利用这些目标检测网络进行24小时不间断的行人检测，会产生极高的设备功耗。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种行人避让系统和行人监测方法。本发明要解决的技术问题通过以下技术方案实现：

第一方面，本发明实施例提供了一种行人避让系统，包括：监测端和边缘云端；

所述监测端设置在路口一侧，所述监测端用于拍摄对应监测范围内的路面图像，并利用内部的轻量级神经网络识别所述路面图像中是否有行人，当所述路面图像中有行人时，将所述路面图像发送给所述边缘云端；

所述边缘云端用于将所述路面图像输入内部的高精度神经网络，得到所述路面图像中所述行人的位置信息，根据所述位置信息计算得到所述行人与路口交界点的距离，利用所述距离生成避让警示信息，并将所述避让警示信息发送给预定范围内的车辆，所述预定范围是以所述路口交界点为中心的一个区域范围。

在本发明的一个实施例中，所述监测端为MCU。

在本发明的一个实施例中，所述轻量级神经网络构建在Tensorflow Lite Micro框架内。

在本发明的一个实施例中，所述轻量级神经网络包括MobileNet、SqueezeNet、ShuffleNet和Xception。

在本发明的一个实施例中，所述利用内部的轻量级神经网络识别所述路面图像中是否有行人，包括：

利用所述轻量级神经网络获得所述路面图像中含有行人的第一置信度和不含有行人的第二置信度；

计算所述第一置信度与所述第二置信度的差值；

判断所述差值是否大于等于预先设定的阈值，如果是，则判定所述路面图像中有行人。

在本发明的一个实施例中，所述高精度神经网络包括YOLO神经网络、ResNet、GoogleNet和SENet。

在本发明的一个实施例中，所述高精度神经网络为YOLO神经网络；

所述将所述路面图像输入内部的高精度神经网络，得到所述路面图像中所述行人的位置信息，包括：

将所述路面图像输入预先训练得到的YOLO神经网络中，利用主干网络进行特征提取，得到x个不同尺度的特征图；x为大于等于4的自然数；