[发明专利]多目标检测识别方法和辅助驾驶方法、系统

说明书

本发明公开了一种多目标检测识别方法和辅助驾驶方法、系统,涉及汽车自动驾驶，其中多目标检测识别方法，包括以下步骤：获取车辆前方路况的原始图像；计算车辆当前的安全距离；建立原始图像与物理距离的表征关系；根据所述表征关系和安全距离，对原始图像进行截取，以截取出安全距离内的图像作为待检测图像；将待检测图像进行基于Keras的多目标检测识别，并输出多目标识别结果。本发明的多目标检测识别方法可根据车辆的车速信息等车况信息从图像传感器获取的原始图像中划分出感兴趣区域，从而过滤掉不感兴趣的数据，加快多目标检测识别的速度，同时避免区域外的目标对驾驶员产生不必要的干扰，提高车辆行驶的安全性。

技术领域

本发明涉及汽车自动驾驶领域，尤其涉及一种基于Keras的多目标检测识别方法和车辆辅助驾驶系统。

背景技术

智能车辆对社会、驾驶员和行人均有益处。智能车辆的交通事故发生率几乎可以下降至零，即使受其他汽车交通事故发生率的干扰，自动驾驶汽车市场份额的高速增长也会使整体交通事故发生率稳步下降。智能驾驶汽车的行驶模式可以更加节能高效，因此交通拥堵及对空气的污染将得以减弱。

此外，智能汽车可以为社会节省数量巨大的交通事故成本、交通拥堵成本以及运输过程中以人力提高生产力的成本。

随着人工智能、无人驾驶领域等相关技术不断创新发展，一些智能网联化的设备、技术已经在道路上广泛实践，可以完成一定条件下的自动驾驶和辅助驾驶。如自动泊车、车道保持、前向防撞等。如何对目标进行检测识别在自动驾驶领域中是一项非常重要的研究课题，如果能够将检测结果实时准确地传达给自动驾驶系统，进而控制车辆下一步的操作，将非常有利于减少交通事故，提高驾驶的安全系数。

车辆在日常行驶下，交通路况复杂多样，需要检测的目标多而杂，且容易受到不同天气状况的干扰。传统的图像处理方法较难处理如此复杂的工况。故致力于研究使用深度学习方法结合传统图像处理方法来达到使用效果。

发明内容

有鉴于现有技术的上述缺陷，本发明的第一目的是提供一种基于Keras的多目标检测识别方法，可从图像传感器上传的原始图像中过滤掉不感兴趣的数据，减少干扰，加快多目标检测识别的速度，提高车辆行驶的安全性。

本发明的第二目的是提供一种应用该多目标检测识别方法的辅助驾驶系统和辅助驾驶方法，用以提供实现多目标检测识别方法所需的硬件架构和软件控制。

为实现第一目的，本发明提供了以下方案：

一种多目标检测识别方法，包括以下步骤：获取车辆前方路况的原始图像；计算车辆当前的安全距离；建立原始图像与物理距离的表征关系；根据所述表征关系和安全距离，对原始图像进行截取，以截取出安全距离内的图像作为待检测图像；将待检测图像进行基于Keras的多目标检测识别，并输出多目标识别结果。

进一步的，所述建立原始图像与物理距离的表征关系是：根据用于拍摄原始图像的拍摄视角与路面的物理距离的几何关系，建立物理距离在原始图像的水平位置的对应关系。

进一步的，所述待检测图像的截取是：根据安全距离对应在原始图像的水平位置，截取出所述水平位的水平线以下区域作为待检测图像。

进一步的，所述计算车辆当前的安全距离的方法是：通过当前车速信息、车辆制动力、系统反应时间、当前车速对应的刹车距离、以及反应时间内车辆匀速行驶的距离中的一个或多个来估算获得。

进一步的，所述基于Keras的多目标检测识别的过程是：将待检测图像输入到已训练好的神经网络，经过卷积神经网络、编码降维、阈值过滤和非极大值抑制，以输出多目标识别结果。

进一步的，所述阈值过滤，包括获取每个锚框的置信度得分，判断每个锚框的置信度得分是否大于预设阈值，当所述锚框的置信度得分小于预设阈值时，所述锚框丢弃。