[發明專利]一種駕駛員意圖識別模型建立方法、裝置、設備及介質

在審

• 申請號: 202310009344.8
• 申請日: 2023-01-03
• 公開（公告）號: CN115935294A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 顧秀穎;何靜;袁章凱;匡斐
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06F18/25
• 分類號: G06F18/25;G06N3/047;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 吳向青

本發明提供一種駕駛員意圖識別模型建立方法、裝置、設備及介質，涉及到汽車智能交互技術領域，駕駛員意圖識別模型建立方法包括步驟如下：采集攝像頭圖像數據、雷達數據及車輛傳感器數據；根據采集的信息進行處理得到樣本數據，將樣本數據放到訓練模型中訓練得到駕駛員意圖識別模型，得到駕駛員意圖識別模型后，輸入新的樣本數據可識別得到駕駛員駕駛意圖結果。本發明根據駕駛員意圖識別模型實現了駕駛員意圖的準確識別，具有很強的實用性。

技術領域

本發明涉及汽車智能交互技術領域，尤其涉及一種駕駛員意圖識別模型建立方法、裝置、設備及介質。

背景技術

近年來，隨著深度學習技術的不斷發展，如何從文本或者圖像中識別出語義已經有了長足的發展，推廣到其他領域，如汽車駕駛，駕駛員及乘客從解鎖車輛開始，每次用車過程中都會產生很多具有明確意圖的場景，如駕駛員解鎖上車，并且啟動發動機，那他的意圖有極大可能就是駕駛車輛外出，而這些場景的特征可以通過對車輛所有信息在一段時間內的變化進行識別，現有的技術一般由產品經理定義有限的場景，通過對有限的條件監聽實現用戶意圖的預判，這種方法存在以下問題：產品經理定義的場景有限，且由于個人認知有限，并不能代表普遍的用戶意圖；通過有限條件判斷的場景無法滿足每個用戶的個性化需求。

發明內容

鑒于以上所述現有技術的缺點，本發明提供一種駕駛員意圖識別模型建立方法、裝置、設備及介質，以解決上述技術問題。

本發明提供的一種駕駛員意圖識別模型建立方法，包括如下步驟：

獲取不同場景中車內外數據，所述車內外數據包括圖像數據、雷達數據及車輛傳感器數據；

對所述圖像數據進行處理以生成不同視覺感知事件，對所述雷達數據進行處理以生成感知目標及狀態數據；

對所述視覺感知事件、所述感知目標及狀態數據進行編碼，并與所述車輛傳感器數據進行融合處理，以得到樣本數據；

利用所述樣本數據對融合了注意力機制的神經網絡進行訓練，以獲取駕駛員意圖識別模型。

與本發明的一實施例中，對所述圖像數據進行處理以生成不同視覺感知事件，具體包括：

對所述圖像數據進行處理，處理為圖像識別算法支持的像素及幀率；

將處理后的所述圖像數據輸入到所述圖像識別算法，以獲取所述視覺感知事件；

所述視覺感知事件包括駕駛員是否在位、駕駛員是否疲勞及副駕是否有人。

與本發明的一實施例中，對所述雷達數據進行處理以生成感知目標及狀態數據，具體包括：

雷達數據輸入到所述雷達識別算法，以獲取所述感知目標及狀態數據；

感知目標包括周邊的其他車輛，狀態包括車輛距離本車的距離。

與本發明的一實施例中，車輛傳感器數據，具體包括：

所述車輛傳感器數據包括車輛點火的狀態、車速、車窗的狀態及車內外溫度或車內外濕度。

與本發明的一實施例中，對所述視覺感知事件、所述感知目標及狀態數據進行編碼，并與所述車輛傳感器數據進行融合處理，以得到樣本數據的步驟包括：

按照預設時間窗口寬度對所有數據進行分段處理；

根據數據類型對每段數據進行處理，包括對于連續性的數據，取時間窗口內的平均值；

對于事件性的數據，取時間窗口內最新的狀態；

對處理后的數據進行約束處理；

對約束處理后的數據進行融合處理得到所述樣本數據。