[發明專利]一種基于人工智能的智能駕駛方法、裝置及相關產品

有效

• 申請號: 202110310081.5
• 申請日: 2021-03-23
• 公開（公告）號: CN113011347B
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 艾的夢
• 申請（專利權）人: 深圳信可通訊技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 武丹聘

1.一種基于人工智能的智能駕駛方法，其特征在于，所述方法包括：

在檢測到汽車行駛過程中，獲取所述汽車內安裝的攝像頭所采集的圖像幀；

對所述攝像頭采集的圖像幀中的目標人體進行動作識別，得到所述目標人體的動作識別結果；

獲取所述汽車當前行駛的路面的路況數據，根據所述路況數據確定候選危險動作；包括：獲取所述汽車當前行駛的路面的路況數據和所述汽車的行駛數據；根據所述路況數據確定第一候選危險動作，并根據所述行駛數據確定第二候選危險動作；根據所述第一候選危險動作和所述第二候選危險動作，得到所述候選危險動作；

在根據所述動作識別結果確定所述目標人體在執行所述候選危險動作中的危險動作，且執行所述危險動作的時長超過預設時長時，確定所述危險動作的危險等級和所述危險動作的持續時長；

根據所述危險等級和所述持續時長，確定報警等級；

根據所述報警等級確定報警信息，并通過所述汽車的報警設備輸出所述報警信息；

其中，路況數據包括公路類型、擁堵狀況和行人數據，根據公路類型、擁堵狀況和行人數據確定當前行駛的路面的路況危險系數；行駛數據包括汽車的連續行駛時長和平均行駛速度，根據汽車的連續行駛時長和平均行駛速度來確定駕駛危險系數；

根據所述路況危險系數確定所述第一候選危險動作；

根據所述駕駛危險系數確定所述第二候選危險動作；

根據所述第一候選危險動作和所述第二候選危險動作得到最后的候選危險動作。

2.根據權利要求1所述的方法，其特征在于，所述在檢測到汽車行駛過程中，獲取所述汽車內安裝的攝像頭所采集的圖像幀，包括：

當所述汽車啟動之后持續獲取所述汽車的行駛速度數據；

在所述行駛速度數據持續大于第一速度閾值的時長超過第一時長閾值時，開始獲取汽車內安裝的攝像頭所采集的圖像幀；

在所述行駛速度數據持續小于第二速度閾值的時長超過第二時長閾值時，停止獲取汽車內安裝的攝像頭所采集的圖像幀。

3.根據權利要求1所述的方法，其特征在于，所述根據所述危險等級和所述持續時長，確定報警等級，包括：

當所述危險等級超過預設等級且所述持續時長超過預設時長時，根據所述危險等級和所述持續時長確定汽車控制參數，根據所述汽車控制參數控制汽車的駕駛性能；

當所述危險等級未超過預設等級或所述持續時長未超過預設時長時，根據所述危險等級和所述持續時長，確定報警等級。

4.根據權利要求1所述的方法，其特征在于，所述對所述攝像頭采集的圖像幀中的目標人體進行動作識別，得到所述目標人體的動作識別結果，包括：

針對所述攝像頭采集的圖像幀，通過空間流卷積神經網絡提取空間交互性特征，并利用雙向LSTM提取全局空間辨別性特征；

通過時間流卷積神經網絡提取時間交互性特征，通過三維卷積神經網絡從所述時間交互性特征中提取全局時間特征，并構建以光流引導的時間注意力模型根據所述全局時間特征計算全局時間辨別性特征；

根據所述全局時間辨別性特征進行分類處理得到第一分類結果，根據所述全局空間辨別性特征進行分類處理得到第二分類結果；

將所述第一分類結果和所述第二分類結果進行融合得到融合分類結果，根據所述融合分類結果得到對所述目標人體的動作識別結果。