[发明专利]基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法

说明书

本发明属于驾驶员意图模式识别及机器学习技术领域，具体涉及基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法；是一种基于车载传感器实测数据的换道驾驶意图识别方法，该方法通过对驾驶员观察后视镜的动作以及其操控方向盘的状态判断其是否有换道意图，同时通过监测当前路况状态，判断当前是否有换道需求。本发明方法基于高斯混合隐马尔科夫模型推测当前驾驶员最可能产生的驾驶意图，可以在保证安全的前提下减轻驾驶员负担，提高其舒适度，若有危险情况发生，可更早地进行处理以避免事故发生。

技术领域

本发明属于驾驶员意图模式识别及机器学习技术领域，具体涉及基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法。

背景技术

近年来汽车智能化水平在不断提高，在智能化进程中，驾驶人和智能控制系统共同驾驶汽车依然是当前研究的热点。而驾驶人作为人-车-路闭环系统中相对最不稳定的主体因素，在驾驶过程中往往会表现出不同的驾驶特性。目前以高级驾驶辅助系统为代表的汽车主动安全辅助系统在对交通安全态势进行评估时，往往通过雷达或视觉感知周围环境信息和本车状态，忽略了驾驶人的行为动机和驾驶意图。忽略驾驶意图使得系统可能发出与驾驶员意愿相悖的警告或措施，从而使驾驶员变得紧张或注意力分散。

发明内容

为了克服上述问题，本发明提供基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法，是一种基于车载传感器实测数据的换道驾驶意图识别方法，该方法通过对驾驶员观察后视镜的动作以及其操控方向盘的状态判断其是否有换道意图，同时通过监测当前路况状态，判断当前是否有换道需求。本发明方法基于高斯混合隐马尔科夫模型推测当前驾驶员最可能产生的驾驶意图，可以在保证安全的前提下减轻驾驶员负担，提高其舒适度，若有危险情况发生，可更早地进行处理以避免事故发生。

基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法，包括如下步骤：

步骤一，确定通过行车记录仪获得的图像中驾驶员人脸区域所在边框及该边框左右边界对应水平方向的坐标，基于YCbCr颜色空间进行肤色提取的方法对驾驶员脸部区域进行提取，得出人脸粗定位图；

所述的坐标是指以图像左下角的像素点为原点的坐标系；

步骤二，基于ASEF滤波器进行人眼定位，首先需要使用图片对该滤波器进行训练，将通过行车记录仪获得的驾驶员视频数据拆解成序列图片作为训练样本，对每张图片手动指定左眼和右眼的中心位置作为输出，这样每张序列图片和输出为一对训练对，将训练对输入 ASEF滤波器中进行训练，求训练样本中的人眼定位滤波器的平均值得到人眼定位最终滤波器；

步骤三，分别将驾驶员的头部转动、眼部转动和转动方向盘定量化为驾驶员头部偏转角度p、驾驶员的视线方向q和方向盘转角熵值Hp；

步骤四，基于隐马尔科夫模型HMM的换道驾驶意图识别模型建立：

采用隐马尔科夫模型HMM中的高斯混合隐马尔科夫模型作为换道驾驶意图识别模型，该模型的隐含状态即驾驶意图与观测值之间的概率关系，训练换道驾驶意图识别模型来进行驾驶意图识别：

将三种换道驾驶意图，即左换道意图，右换道意图和道路保持意图，分别作为三个换道驾驶意图识别模型的隐含状态，分别使用能够表征相应驾驶意图的观测数据训练这三个换道驾驶意图识别模型，得到训练好的左换道意图识别模型，右换道意图识别模型以及道路保持意图识别模型；

步骤五，根据驾驶员当前的外部观测数据，对步骤四中训练好的左换道意图识别模型，右换道意图识别模型以及道路保持意图识别模型通过模型评估的方法得到驾驶员当前的驾驶意图；

步骤六，将车辆驾驶模式的需求换道状态下产生的步骤五所述的驾驶员当前的驾驶意图定义为有效。

所述的步骤一中取人脸区域水平方向坐标的最小值和最大值作为人脸区域所在边框的左右边界，首先基于YCbCr颜色空间进行肤色提取的方法对驾驶员脸部区域进行提取，具体如下：