[发明专利]一种行人与车辆交互状态识别方法及系统

说明书

本发明涉及一种行人与车辆交互状态识别方法及系统，属于交互状态识别技术领域。先对每一训练样本的激光雷达点云数据进行处理，得到行人与车辆的距离特征，对图像数据进行处理，得到行人头部朝向特征和行人运动状态特征。然后将所有训练样本的每一种特征组成一特征样本集，并利用谱聚类算法对特征样本集进行处理，得到标签集。最后以特征样本集和标签集作为输入，利用分类器算法训练得到三种分类器，以利用三种分类器识别行人与车辆的交互状态，辅助无人驾驶车辆或驾驶员的驾驶行为。

技术领域

本发明涉及交互状态识别技术领域，特别是涉及一种行人与车辆交互状态识别方法及系统。

背景技术

随着汽车智能化的发展，人们对于汽车安全性的要求越来越高。而在实际道路交通环境中，行人作为最为复杂的交通要素之一，与车辆发生事故的可能性较大，因此，准确识别行人与车辆交互的行为状态，对辅助车辆或驾驶员更好地做出反应有着极其重要的作用。

现阶段，大部分研究集中于对行人行为状态的识别方法进行研究，通常需要人为定义、标注交互行为，同时人为划定判断交互行为的参数范围，存在一定的主观性和局限性，难以适应现实情况中具有不同行为偏好的行人样本，降低模型泛化性；且其主要是直接通过原始图像数据来判断，这种识别方法的局限性在于数据量较大，运算复杂，同时干扰信息较多，使得该方法无法准确识别行人的行为状态，并且存在实用性不强的问题。同时，上述方法所定义的行人行为状态也没有考虑到行人与车辆的交互行为，无法直接辅助车辆或驾驶员的驾驶行为。

基于此，亟需一种能够对行人与车辆交互状态进行识别的技术。

发明内容

本发明的目的是提供一种行人与车辆交互状态识别方法及系统，能够对行人与车辆的交互状态进行识别，辅助无人驾驶车辆或驾驶员的驾驶行为。

为实现上述目的，本发明提供了如下方案：

一种行人与车辆交互状态识别方法，包括：

获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；

对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；

将所有所述训练样本的行人与车辆的距离特征组成第一特征样本集；利用谱聚类算法对所述第一特征样本集进行处理，得到第一标签集；

将所有所述训练样本的行人头部朝向特征组成第二特征样本集；利用所述谱聚类算法对所述第二特征样本集进行处理，得到第二标签集；

将所有所述训练样本的行人运动状态特征组成第三特征样本集；利用所述谱聚类算法对所述第三特征样本集进行处理，得到第三标签集；

以所述第一特征样本集和所述第一标签集作为输入，利用分类器算法训练得到第一分类器；以所述第二特征样本集和所述第二标签集作为输入，利用所述分类器算法训练得到第二分类器；以所述第三特征样本集和所述第三标签集作为输入，利用所述分类器算法训练得到第三分类器；

利用所述第一分类器、所述第二分类器和所述第三分类器识别行人与车辆的交互状态。

一种行人与车辆交互状态识别系统，包括：

样本获取模块，用于获取多个训练样本；每一所述训练样本均包括车辆行驶过程中所采集的激光雷达点云数据和图像数据；

特征提取模块，用于对于每一所述训练样本，对所述激光雷达点云数据进行处理，得到行人与车辆的距离特征；对所述图像数据进行处理，得到行人头部朝向特征和行人运动状态特征；

标签生成模块，用于将所有所述训练样本的行人与车辆的距离特征组成第一特征样本集；利用谱聚类算法对所述第一特征样本集进行处理，得到第一标签集；将所有所述训练样本的行人头部朝向特征组成第二特征样本集；利用所述谱聚类算法对所述第二特征样本集进行处理，得到第二标签集；将所有所述训练样本的行人运动状态特征组成第三特征样本集；利用所述谱聚类算法对所述第三特征样本集进行处理，得到第三标签集；