[發(fā)明專利]一種面向自動(dòng)駕駛的車路協(xié)同行人重識別方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010133125.7
• 申請日: 2020-03-01
• 公開（公告）號: CN111460891B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 汪洋;丁麗琴;曾奕欣;孫晨陽
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）（哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院）
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/40;G06V10/77;G06V10/75;G06V10/94;G06N3/0464;G06N3/08
• 代理公司: 深圳鼎合誠知識產(chǎn)權(quán)代理有限公司 44281
• 代理人: 郭燕;彭家恩

本發(fā)明涉及智能交通技術(shù)領(lǐng)域，具體涉及一種面向自動(dòng)駕駛的車路協(xié)同行人重識別方法和系統(tǒng)，主要應(yīng)用于依賴無線通信進(jìn)行信息交互的車路協(xié)同系統(tǒng)，在盡可能減少通信資源占用的前提下，保證輸出實(shí)時(shí)可靠的行人重識別結(jié)果，進(jìn)而輔助自動(dòng)駕駛車輛全面感知行人的運(yùn)動(dòng)狀態(tài)和軌跡。其中方法包括：根據(jù)無線信道狀態(tài)分別對車路兩側(cè)獲取的行人圖像進(jìn)行高維深度特征提取和自適應(yīng)特征降維處理，在圖像特征維度滿足重識別可靠性的前提下，盡可能降低圖像特征維度，減少傳輸圖像特征所產(chǎn)生的通信開銷和傳輸時(shí)延。通過利用漢明距離計(jì)算車路兩側(cè)提取的行人圖像的低維深度特征之間的距離，減少了計(jì)算量，加快了圖像特征匹配速度，使得行人重識別系統(tǒng)的工作效率更高。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通技術(shù)領(lǐng)域，具體涉及一種面向自動(dòng)駕駛的車路協(xié)同行人重識別方法和系統(tǒng)。

背景技術(shù)

隨著人工智能技術(shù)的蓬勃發(fā)展,自動(dòng)駕駛也迎來了全面發(fā)展的黃金期。安全駕駛是自動(dòng)駕駛發(fā)展過程中最重要的研究課題，如何有效的檢測和躲避行人是亟待解決的問題。但是車載行人檢測系統(tǒng)存在檢測距離精確度不高、受遮擋影響較大和在彎道及交叉口情況下適應(yīng)性差等問題，所以依賴單一車輛進(jìn)行行人檢測進(jìn)而控制車輛實(shí)現(xiàn)行人防碰撞是不現(xiàn)實(shí)的。

伴隨車輛和道路基礎(chǔ)設(shè)施的智能化發(fā)展，基于先進(jìn)的無線通信技術(shù)和新一代互聯(lián)網(wǎng)技術(shù)的車路協(xié)同系統(tǒng)成為了智能交通的發(fā)展新趨勢。通過全方位實(shí)施車車、車路動(dòng)態(tài)實(shí)時(shí)信息交互，并在全時(shí)空動(dòng)態(tài)交通信息采集與融合的基礎(chǔ)上，車路協(xié)同系統(tǒng)開展車輛主動(dòng)安全控制和道路協(xié)同管理，充分實(shí)現(xiàn)人車路的有效協(xié)同，保證交通安全，提高通行效率，從而形成安全、高效和環(huán)保的道路交通系統(tǒng)。

行人重識別是圖像檢索的一個(gè)子問題，其目標(biāo)是給定一個(gè)監(jiān)控行人圖像檢索跨設(shè)備下的該行人圖像。車路協(xié)同行人重識別是輔助自動(dòng)駕駛車輛全面感知行人，實(shí)現(xiàn)行人防碰撞的有效手段。利用車路協(xié)同行人重識別技術(shù)可以將車載和路側(cè)視覺傳感器視野范圍內(nèi)的行人進(jìn)行關(guān)聯(lián)，便可進(jìn)一步檢測并跟蹤行人的運(yùn)動(dòng)軌跡以及狀態(tài)，使得車輛可以全面感知行人并給予附近車輛行人碰撞預(yù)警信息，進(jìn)而有效保障自動(dòng)駕駛車輛安全行駛。

行人重識別技術(shù)包括圖像的特征提取和特征相似性度量兩部分。在深度學(xué)習(xí)方法發(fā)展起來之前，行人圖像的特征提取主要依靠人工設(shè)計(jì)的局部特征構(gòu)成全局特征，然而傳統(tǒng)的手工特征描述能力有限，很難適應(yīng)復(fù)雜場景下的大數(shù)據(jù)量任務(wù)。近年來，深度學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺各領(lǐng)域均取得很大進(jìn)步，行人重識別的精度也在不斷被各類基于深度學(xué)習(xí)的方法刷新。依靠卷積神經(jīng)網(wǎng)絡(luò)，模型可以自動(dòng)學(xué)習(xí)出高維、復(fù)雜的行人圖像局部或全局特征。由于圖像特征擁有了更強(qiáng)的表征能力，往往僅需使用歐氏距離進(jìn)行特征間的相似性度量。對于一個(gè)車路協(xié)同系統(tǒng)，則需要車載和路側(cè)的計(jì)算單元采用卷積神經(jīng)網(wǎng)絡(luò)分別獨(dú)立地對本地圖像獲取設(shè)備(視覺傳感器)采集到的圖像進(jìn)行處理，計(jì)算出圖像的特征信息；接著由車載通信設(shè)備把車輛獲得的圖像特征通過無線通信設(shè)備發(fā)送到路側(cè)計(jì)算單元，使其通過融合自身獲得的道路圖像特征和從車輛處收集的圖像特征，完成特征間的相似度度量后對車、路檢測到的對象是否為同一對象作出判斷。

現(xiàn)有最新的基于深度學(xué)習(xí)的行人重識別基線模型見圖2，其中fc(fullyconnected)層表示全連接層。輸入查詢圖像和候選圖像，兩類圖像經(jīng)過特征提取模塊得到深度特征，大小為512維的32位浮點(diǎn)型特征。接著將特征數(shù)據(jù)送入特征匹配模塊，圖中虛線框部分。利用歐氏距離度量特征之間的距離，可以得到圖像之間的相似度，最終輸出特征距離最小的圖像作為重識別結(jié)果。而采用卷積神經(jīng)網(wǎng)絡(luò)提取的行人圖像特征維數(shù)較高且存在部分冗余信息，過高的數(shù)據(jù)維度會造成維度災(zāi)難，既影響了計(jì)算效率，對于車路協(xié)同系統(tǒng)而言也增加了存儲需求和通信開銷。由于車路協(xié)同系統(tǒng)的信息交互依賴無線通信完成，而無線信道本質(zhì)上是時(shí)變的，在一些時(shí)候當(dāng)無線信道變差，那么無線通信網(wǎng)絡(luò)能夠傳輸?shù)臄?shù)據(jù)量就會下降。如果車路協(xié)同系統(tǒng)始終傳輸高度冗余的行人圖像特征信息，那么就可能導(dǎo)致過大的通信開銷和傳輸時(shí)延，嚴(yán)重影響信息融合效果，造成車路協(xié)同行人重識別結(jié)果的實(shí)時(shí)性和可靠性降低，進(jìn)而無法給自動(dòng)駕駛車輛提供可靠的行人感知信息和碰撞預(yù)警信息。

發(fā)明內(nèi)容