[发明专利]一种驾驶员视觉注意力预测方法、系统、设备及介质在审

专利信息
申请号: 202111258136.9 申请日: 2021-10-27
公开(公告)号: CN114092900A 公开(公告)日: 2022-02-25
发明(设计)人: 苟超;周昱臣 申请(专利权)人: 中山大学
主分类号: G06V20/56 分类号: G06V20/56;G06N3/04;G06N3/08;G06V10/82;G06V10/40
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 梁嘉琦
地址: 510275 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 驾驶员 视觉 注意力 预测 方法 系统 设备 介质
【权利要求书】:

1.一种驾驶员视觉注意力预测方法,其特征在于,包括:

获取驾驶场景下的初始图像和训练数据;

对所述初始图像进行预处理操作,得到预处理图像;

将所述训练数据输入结合卷积神经网络和Transformer的注意力预测网络,训练得到注意力预测模型;

将所述预处理图像输入所述注意力预测模型,输出得到注意力预测概率图;

对所述注意力预测概率图进行彩色可视化处理,得到注意力预测结果图。

2.根据权利要求1所述的一种驾驶员视觉注意力预测方法,其特征在于,所述对所述初始图像进行预处理操作,得到预处理图像,包括:

对所述初始图像进行图像缩放处理,得到第一处理图像;

对所述第一处理图像进行图像随机翻转处理,得到第二处理图像;

对所述第二处理图像进行图像归一化处理,得到预处理图像。

3.根据权利要求1所述的一种驾驶员视觉注意力预测方法,其特征在于,所述将所述训练数据输入结合卷积神经网络和Transformer的注意力预测网络,训练得到注意力预测模型,包括:

对所述训练数据进行乱序后输入到待训练的注意力预测模型中,使用反向传播算法对所述注意力预测网络进行训练,得到训练后的注意力预测模型,所述注意力预测模型采用交叉熵作为损失函数进行训练。

4.根据权利要求1所述的一种驾驶员视觉注意力预测方法,其特征在于,所述将所述预处理图像输入所述注意力预测模型,输出得到注意力预测概率图,包括:

将所述预处理图像输入初始化卷积层进行特征提取,得到初始化特征;

将所述初始化特征输入Transformer编码器中获取全局信息,输出初始化全局信息特征;

将所述初始化全局信息特征输入混合特征提取模块,输出混合特征信息;

将所述混合特征信息输入解码器,输出注意力预测概率图。

5.根据权利要求1所述的一种驾驶员视觉注意力预测方法,其特征在于,所述对所述注意力预测概率图进行彩色可视化处理,得到注意力预测结果图,包括:

将所述注意力预测概率图的像素范围进行扩大处理,得到像素图像;

将所述像素图像进行伪彩色处理,得到注意力预测结果图。

6.根据权利要求4所述的一种驾驶员视觉注意力预测方法,其特征在于,所述将所述混合特征信息输入解码器,输出注意力预测概率图,包括:

将所述混合特征信息输入解码器,所述解码器包括卷积层、上采样层和输出层;

对所述混合特征信息通过所述卷积层和所述上采样层进行交替处理,通过输出层输出注意力预测概率图。

7.根据权利要求1所述的一种驾驶员视觉注意力预测方法,其特征在于,所述方法还包括:

选取基于概率分布的评价指标对所述注意力预测概率图进行评估,得到评估结果。

8.一种驾驶员视觉注意力预测系统,其特征在于,包括:

第一模块,用于获取驾驶场景下的初始图像和训练数据;

第二模块,用于对所述初始图像进行预处理操作,得到预处理图像;

第三模块,用于将所述训练数据输入结合卷积神经网络和Transformer的注意力预测网络,训练得到注意力预测模型;

第四模块,用于将所述预处理图像输入所述注意力预测模型,输出得到注意力预测概率图;

第五模块,用于对所述注意力预测概率图进行彩色可视化处理,得到注意力预测结果图。

9.一种电子设备,其特征在于,包括处理器以及存储器;

所述存储器用于存储程序;

所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111258136.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top