[发明专利]基于自适应筛选的车辆危险测试场景识别方法

权利要求书

1.一种基于自适应筛选的车辆危险测试场景识别方法，其特征在于，所述方法包括：

S1：获取预设数量组训练场景参数作为初始场景集，对于所述初始场景集中的每组训练场景参数，根据所述训练场景参数及预设危险度阈值计算得到对应的真实场景类型标签，并根据各组训练场景参数及对应的真实场景类型标签生成初始训练场景集；

S2：将所述初始训练场景集分别作为第一训练场景集和第二训练场景集，采用所述第一训练场景集对第一分类器模型进行训练，采用所述第二训练场景集对第二分类器模型进行训练；

S3：再次获取预设数量组训练场景参数作为训练场景集，分别采用训练后的所述第一分类器模型和训练后的所述第二分类器模型计算所述训练场景集中预设数量组训练场景参数对应的场景类型标签，并将两种分类器模型计算结果不匹配的训练场景参数确定为差异场景集；

S4：根据所述差异场景集分别更新所述第一训练场景集和所述第二训练场景集，并执行S2中所述采用所述第一训练场景集对第一分类器模型进行训练，采用所述第二训练场景集对第二分类器模型进行训练的步骤；

S5：在S2中所述第一分类器模型与所述第二分类器模型的训练过程中，分别实时计算所述第一分类器模型与所述第二分类器模型对训练场景参数所对应场景类型标签的错检率，若检测到存在错检率低于预设阈值的分类器模型，则将所述分类器模型确定为车辆危险测试场景识别模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述差异场景集分别更新所述第一训练场景集和所述第二训练场景集，并执行S2中所述采用所述第一训练场景集对第一分类器模型进行训练，采用所述第二训练场景集对第二分类器模型进行训练的步骤，包括：

对于所述差异场景集中的每组训练场景参数，根据所述训练场景参数及预设危险度阈值计算得到对应的真实场景类型标签；

若检测到S3中所述第一分类器模型计算所述训练场景参数所得场景类型标签与所述真实场景类型标签不匹配，则将所述训练场景参数及对应的真实场景类型标签加入所述第一训练场景集，并执行S2中所述采用所述第一训练场景集对第一分类器模型进行训练的步骤；

若检测到S3中所述第二分类器模型计算所述训练场景参数所得场景类型标签与所述真实场景类型标签不匹配，则将所述训练场景参数及对应的真实场景类型标签加入所述第二训练场景集，并执行S2中所述采用所述第二训练场景集对第二分类器模型进行训练的步骤。

3.根据权利要求1所述的方法，其特征在于，所述第一分类器模型为支持向量基分类器模型SVMC，所述第二分类器模型为高斯过程分类器模型GPC。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在S2中所述第一分类器模型与所述第二分类器模型的训练过程中，实时计算各个分类器模型的迭代次数，若检测到迭代次数达到预设次数时，将错检率较低的分类器模型确定为车辆危险测试场景识别模型。

5.根据权利要求1所述的方法，其特征在于，所述训练场景参数包括前车初始速度、后车初始速度，前车与后车之间的初始距离，所述危险度阈值为碰撞时间。

6.根据权利要求1所述的方法，其特征在于，所述场景类型标签包括危险场景类型和安全场景类型。