[发明专利]一种基于深度学习的车辆前向碰撞预警方法

摘要

本发明公开了一种基于深度学习的车辆前向碰撞预警方法，包括：通过车载摄像头实时获取车辆前方图像信息，并对图像进行预处理；利用多尺度的深度卷积神经网络提取图像中的车辆特征，实现车辆目标的识别和定位；根据图像中车辆位置，基于几何关系投影与摄像机参数计算出当前车辆与前方车辆的距离；由主车与前车的实时距离的变化计算出相对速度；由两车间的相对速度与距离计算出碰撞距离，并依据计算结果对车辆的危险等级做出判断，进而调动对应的碰撞预警策略。该方法能实时地获取前方车辆信息，并准确估计与前方车辆距离及碰撞时间，做出恰当的预警措施，保证安全驾驶，减少交通事故发生。

主权项

1.一种基于深度学习的车辆前向碰撞预警方法，其特征在于，包括以下步骤：/nS1、通过车载摄像头实时获取车辆前方图像信息；在图像采集过程中，采用CCD摄像机安装在车辆内部面向前方，以固定频率f采集车辆前方道路图像；/nS2、利用一种多尺度深度卷积神经网络提取图像中的车辆特征，实现车辆目标的识别和定位，用矩形框标注前方车辆；/n所述多尺度深度卷积神经网络的总体框架：VGG模型为主线，在其基础上加上多个用于提取感兴趣区域的区域建议子网络和一个用于分类和位置精修的检测子网络组成；所述的VGG模型，包括13个卷积层，3个全连接层，共计16层；所述的区域建议子网络，分别从VGG网络的卷积层4-3，卷积层5-3，卷积层6，最大池化层6延伸分支；每个区域建议子网络同时预测是否是物体和对目标边界进行回归，共输出n个感兴趣的建议框；所述的检测子网络首先将提取到的n个感兴趣建议框利用阈值为0.7的非极大值抑制方法减少冗余，每张图剩下约2k个建议区域；对于每个建议区域经过ROI pooling层下采样至统一尺寸，最后经过全连接层后分别进行softmax分类和位置精修；/nS3、根据图像中车辆位置，基于几何关系投影与摄像机参数计算出当前车辆与前方车辆的距离；/nS4、由主车与前车的实时距离的变化计算出相对速度；/nS5、由两车间的相对速度与距离计算出碰撞时间TTC，依据计算结果对判断当前车辆状态进行危险等级判定。/n