[发明专利]一种适用于车辆自动驾驶的机器学习对抗攻击识别系统

说明书

本发明提供了一种适用于车辆自动驾驶的机器学习对抗攻击识别系统，包括图像采集单元，配置为通信连接图像识别单元，用于采集图像并将采集的图像发送至图像识别单元；图像识别单元，配置为通信连接图像采集单元和车辆的自动驾驶控制系统，用于对接收的图像进行分析识别并将分析结果发送至车辆的自动驾驶控制系统；校验单元，配置为通信连接车辆的自动驾驶控制系统，用于根据校验信息对图像识别单元的分析结果进行校验核对，并将校验结果发送至车辆的自动驾驶控制系统。该发明对图像识别结果进行校验，并根据校验结果进行最终的驾驶控制，具有使用安全的优点。

技术领域

本发明涉及自动驾驶领域，尤其是涉及了一种适用于车辆自动驾驶的机器学习对抗攻击识别系统。

背景技术

自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

深度神经网络（DNN）是机器学习(ML, Machine Learning)领域中一种技术。深度神经网络发展至今，已经在计算机视觉领域占据了重要地位，但是深度神经网络在面临对抗样本攻击时鲁棒性不强的问题仍然亟待解决。所谓攻击样本，即向原始样本中添加一些人眼无法察觉的噪声，这样的噪声不会影响人类的识别，但是却很容易愚弄深度神经网络，使其作出与正确答案完全不同的判定。例如对交通信号牌的识别图像进行攻击，使自动驾驶识别系统将交通信号误认为完全相反的或其他可能造成危险的交通信号，就会带来重大安全隐患甚至可能造成严重的交通事故。

发明内容

为了解决背景技术中所存在的问题，本发明提出了一种适用于车辆自动驾驶的机器学习对抗攻击识别系统。

一种适用于车辆自动驾驶的机器学习对抗攻击识别系统，包括

图像采集单元，配置为通信连接图像识别单元，用于采集图像并将采集的图像发送至图像识别单元；

图像识别单元，配置为通信连接图像采集单元和车辆的自动驾驶控制系统，用于对接收的图像进行分析识别并将分析结果发送至车辆的自动驾驶控制系统；

校验单元，配置为通信连接车辆的自动驾驶控制系统，用于根据校验信息对图像识别单元的分析结果进行校验核对，并将校验结果发送至车辆的自动驾驶控制系统。

基于上述，所述校验单元包括定位单元、地图信息库和比对单元，定位单元配置为获取车辆的实时位置信息，车辆的自动驾驶控制系统获取地图信息库中车辆位置对应的交通标示信息，比对单元将交通标示信息与图像分析结果进行比对校验。

基于上述，包括辅助甄别单元，配置为通信连接车辆的自动驾驶控制系统，用于采集车辆行驶的环境信息并对图像识别结果进行辅助甄别。

基于上述，所述辅助甄别单元为红外检测单元。

基于上述，所述辅助甄别单元为雷达检测单元。

基于上述，包括预警提醒单元，配置为通信连接车辆的自动驾驶控制系统，用于在图像分析结果与校验结果不同时，对驾驶人员进行预警提醒。

基于上述，所述地图信息库至少包括地理位置对应的道路标识信息、地面标识信息和交通标牌标识信息。

基于上述，包括样本信息库，配置为连接车辆的自动驾驶控制系统，用于在图像识别结果与校验结果不同时对采集图像、识别图像和校验信息进行存储。

本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明对图像识别结果进行校验，并根据校验结果进行最终的驾驶控制，具有使用安全的优点。

附图说明

图1是本发明的结构示意框图。