[发明专利]使用完全卷积架构的驾驶员视觉注意的计算框架的系统和方法

权利要求书

1.一种用于估计驾驶场景的一个或多个目标的显著特点的自动驾驶(AD)系统，所述系统包括：

存储器，所述存储器存储用于执行用于估计所述驾驶场景的所述一个或多个目标的所述显著特点的过程的指令；和

处理器，所述处理器被配置为执行所述指令，其中所述过程包括：

生成贝叶斯框架以对驾驶员的视觉注意进行建模，所述贝叶斯框架包括自底向上显著特点元素和自顶向下显著特点元素；

基于所述贝叶斯框架生成完全卷积神经网络以生成所述驾驶场景中的所述一个或多个目标的视觉显著特点模型；以及

输出所述视觉显著特点模型以指示吸引所述驾驶员的注意的特征。

2.根据权利要求1所述的AD系统，其中：

所述自底向上显著特点元素是与目标无关的；并且

所述自顶向下显著特点元素是与目标相关的。

3.根据权利要求2所述的AD系统，其中所述自顶向下显著特点元素包括第一分量和第二分量，所述第一分量指示重要目标是显著的，所述第二分量指示目标的预期位置的知识。

4.根据权利要求3所述的AD系统，其中所述目标的所述预期位置基于偏航率，其中随着所述偏航率的幅度增加，所述目标的所述预期位置偏移远离中心视野。

5.根据权利要求1所述的AD系统，其中所述过程还包括用基于学习的先验分布估计的权重调制所述驾驶场景的一个或多个显著区域。

6.根据权利要求5所述的AD系统，其中所述权重基于所述一个或多个目标的任务。

7.根据权利要求1所述的AD系统，其中所述完全卷积神经网络包括一个或多个跳过连接，所述一个或多个跳过连接被配置为使所述完全卷积神经网络能够结合所述一个或多个目标的周围特征来分析所述一个或多个目标。

8.一种用于估计驾驶场景的一个或多个目标的显著特点的方法，所述方法包括：

生成贝叶斯框架以对驾驶员的视觉注意进行建模，所述贝叶斯框架包括自底向上显著特点元素和自顶向下显著特点元素；

基于所述贝叶斯框架生成完全卷积神经网络以生成所述驾驶场景中的所述一个或多个目标的视觉显著特点模型；以及

输出所述视觉显著特点模型以指示吸引所述驾驶员的注意的特征。

9.根据权利要求8所述的方法，其中：

所述自底向上显著特点元素是与目标无关的；并且

所述自顶向下显著特点元素是与目标相关的。

10.根据权利要求9所述的方法，其中所述自顶向下显著特点元素包括第一分量和第二分量，所述第一分量指示重要目标是显著的，所述第二分量指示目标的预期位置，其中所述预期位置基于先前驾驶员体验。

11.根据权利要求10所述的方法，其中所述目标的所述预期位置基于偏航率。

12.根据权利要求8所述的方法，还包括用基于学习的先验分布估计的权重调制所述驾驶场景的一个或多个显著区域。

13.根据权利要求12所述的方法，其中所述权重基于所述一个或多个目标的任务。

14.根据权利要求8所述的方法，还包括基于所述完全卷积神经网络的一个或多个跳过连接结合所述一个或多个目标的周围特征来分析所述一个或多个目标。