[发明专利]基于可穿戴设备的车辆导航方法、系统、装置及存储介质

权利要求书

1.一种基于可穿戴设备的车辆导航方法，其特征在于，包括以下步骤：

获取目标可穿戴设备的第一定位信息和目标车辆的第二定位信息，根据所述第一定位信息和所述第二定位信息生成第一导航路线，并将所述第一导航路线发送至所述目标车辆；

获取所述目标可穿戴设备拍摄的环境图像信息，根据所述环境图像信息确定环境图像时序数据；

根据所述第一定位信息确定目标区域，并获取预先训练的所述目标区域的行动意图识别模型，进而将所述环境图像时序数据输入到所述行动意图识别模型，得到目标人员的行动意图识别结果；

根据所述行动意图识别结果对所述第一导航路线进行调整得到第二导航路线，并将所述第二导航路线发送至所述目标车辆；

其中，所述目标人员携带所述目标可穿戴设备，所述目标可穿戴设备与所述目标车辆相互绑定。

2.根据权利要求1所述的一种基于可穿戴设备的车辆导航方法，其特征在于，所述获取目标可穿戴设备的第一定位信息和目标车辆的第二定位信息，根据所述第一定位信息和所述第二定位信息生成第一导航路线，并将所述第一导航路线发送至所述目标车辆这一步骤，其具体包括：

通过云平台获取所述目标可穿戴设备的第一定位信息、所述目标车辆的第二定位信息以及实时路况信息；

根据所述第二定位信息确定导航起点位置，并根据所述第一定位信息确定导航终点位置；

根据所述导航地点位置、所述导航终点位置以及所述实时路况信息进行路径规划，得到所述第一导航路线，并通过所述云平台将所述第一导航路线发送至所述目标车辆。

3.根据权利要求1所述的一种基于可穿戴设备的车辆导航方法，其特征在于，所述获取目标可穿戴设备拍摄的环境图像信息，根据所述环境图像信息确定环境图像时序数据这一步骤，其具体包括：

通过云平台调用所述目标可穿戴设备的摄像头，并获取所述摄像头以预设的采样频率拍摄的所述环境图像信息；

根据采样时间对所述环境图像信息进行排序得到所述环境图像时序数据。

4.根据权利要求1所述的一种基于可穿戴设备的车辆导航方法，其特征在于，所述车辆导航方法还包括预先训练行动意图识别模型的步骤，其具体包括：

分别获取测试人员在多个预设区域内移动时由所述测试人员携带的可穿戴设备拍摄的多个环境样本时序数据，并根据所述测试人员的移动方向确定各所述环境样本时序数据的行动意图标签；

根据所述环境样本时序数据和对应的所述行动意图标签构建训练样本集；

将所述训练样本集输入到预先构建的双向循环神经网络进行训练，对所述双向循环神经网络的模型参数进行优化，得到训练好的行动意图识别模型；

根据所述预设区域确定所述行动意图识别模型的区域标签，得到多个不同区域标签的所述行动意图识别模型；

其中，所述双向循环神经网络包括输入层、正向隐藏层、反向隐藏层以及输出层。

5.根据权利要求4所述的一种基于可穿戴设备的车辆导航方法，其特征在于，所述将所述训练样本集输入到预先构建的双向循环神经网络进行训练，对所述双向循环神经网络的模型参数进行优化，得到训练好的行动意图识别模型这一步骤，其具体包括：

将所述环境样本时序数据输入到所述输入层，并通过所述正向隐藏层计算得到第一隐藏状态向量；

将所述环境样本时序数据逆序输入到所述输入层，并通过所述反向隐藏层计算得到第二隐藏状态向量；

对所述第二隐藏状态向量进行逆序处理得到第三隐藏状态向量，并将所述第一隐藏状态向量和所述第三隐藏状态向量进行拼接处理得到第四隐藏状态向量；

将所述第四隐藏状态向量输入到所述输出层，输出得到行动意图预测结果；

根据所述行动意图预测结果和所述行动意图标签确定所述双向循环神经网络的损失值；

根据所述损失值更新所述双向循环神经网络的模型参数，并返回将所述环境样本时序数据输入到所述输入层这一步骤；

当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的所述行动意图识别模型。