一种基于人工智能技术的电动车辅助驾驶系统的制作方法

1.本发明涉及辅助驾驶领域，尤其涉及一种基于人工智能技术的电动车辅助驾驶系统。


背景技术：

2.现有技术中，为了提高电动自行车的夜间驾驶的安全性，有些高端的电动自行车配备了红外行人检测功能，用来提示驾驶员注意行人，实现对驾驶员的辅助驾驶。由于毫米波雷达价格比较高，因此，在电动自动车上一般是采用红外摄像头来实现行人检测。
3.但是现有的红外行人检测方式，一般是通过多级别的滑窗检测进行全局检测，从而获取疑似行人区域，之后再提取疑似行人区域的滑窗内的像素点的特征值，来进行行人检测。但是，全局滑窗检测的方式检测速度较慢，不利于及时发现电动自行车前方的行人。


技术实现要素：

4.本发明的目的在于公开一种基于人工智能技术的电动车辅助驾驶系统，解决现有的红外行人检测，使用多级别的滑窗检测进行全局检测速度较慢，不利于及时发现电动自行车前方的行人的问题。
5.为了达到上述目的，本发明采用如下技术方案：
6.一种基于人工智能技术的电动车辅助驾驶系统，包括红外镜头模块、图像处理模块和辅助提示模块；
7.红外镜头模块用于获取电动车前方的红外图像；
8.图像处理模块用于：
9.对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；
10.对目标图像进行像素点增强处理，获得增强图像；
11.基于增强图像获取行人的位置以及距离；
12.辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。
13.作为优选，所述对红外图像进行像素点分类，获取红外图像中的目标像素点，包括：
14.使用大津算法计算红外图像的分类阈值；
15.将红外图像中大于分类阈值的像素点作为目标像素点，小于等于分类阈值的像素点作为非目标像素点。
16.作为优选，所述对目标图像进行像素点增强处理，获得增强图像，包括：
17.判断像素点的像素值是否大于预设的像素值阈值，若是，则通过如下公式对像素点进行增强处理：
18.19.其中，enhig表示增强图像，(x,y)表示像素点的坐标，enhig(x,y)表示增强图像中坐标为(x,y)的像素点的像素值，flr(x,y)表示目标图像中坐标为(x,y)的像素点的像素值，medfilt(x,y)表示对图像中坐标为(x,y)的像素点进行中值滤波后的像素值；flru表示目标图像中的像素点的类型的总数，thsaaj表示目标图像中第j类的像素点的数量，nfflr表示目标图像中的像素点的总数，flrj表示第j类的像素点的像素值；w1、w2分别表示预设的权重参数。
20.作为优选，所述基于增强图像获取行人的位置以及距离，包括：
21.对增强图像进行降噪处理，获得降噪图像；
22.获取降噪图像中的连通区域；
23.分别获取降噪图像中每个连通区域的最小外接矩形，将所有的最小外接矩形存入集合u中；
24.基于预先设定的最小外接矩形的长宽比对集合u中的最小外接矩形进行筛选，将长宽比小于预设的长宽比阈值的最小外接矩形从集合u中删除，获得集合tu；
25.对集合tu中的最小外接矩形进行对称性检测，将不符合预设的对称性检测要求的最小外接矩形从集合tu中删除，获得集合su；
26.将su中的最小外接矩形输入到预先训练完成的神经网路模型中进行行人检测，分别判断每个su中的每个最小外接矩形是否存在行人；
27.获取存在行人的最小外接矩形的中心坐标，将中心坐标转换为行人的位置；
28.根据最小外接矩形的中心坐标和红外图像的中心的关系计算行人与电动车之间的距离。
29.作为优选，所述辅助提示模块包括文字提示单元和语音提示单元；
30.文字提示单元用于通过文字方式向电动车驾驶员提示行人的位置及距离；
31.语音提示单元用于通过语音的方式电动车驾驶员提示行人的位置及距离。
32.本发明通过将红外图像中的像素点分类为目标像素点和非目标像素点，然后只对目标像素点组成的目标图像进行行人的检测，这种计算方式，有效地降低了参与行人检测的像素点的数量，有利于提高行人检测的速度，及时发现电动自行车前方的行人。
附图说明
33.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
34.图1，为本发明一种基于人工智能技术的电动车辅助驾驶系统的一种示例性实施例图。
具体实施方式
35.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
36.如图1所示的一种实施例，本发明提供了一种基于人工智能技术的电动车辅助驾
驶系统，包括红外镜头模块、图像处理模块和辅助提示模块；
37.红外镜头模块用于获取电动车前方的红外图像；
38.图像处理模块用于：
39.对红外图像进行像素点分类，获取红外图像中的目标像素点，并将非目标像素点从增强图像中删除，获得目标图像；
40.对目标图像进行像素点增强处理，获得增强图像；
41.基于增强图像获取行人的位置以及距离；
42.辅助提示模块用于根据行人的位置和距离向电动车驾驶员发出提示信息。
43.本发明通过将红外图像中的像素点分类为目标像素点和非目标像素点，然后只对目标像素点组成的目标图像进行行人的检测，这种计算方式，有效地降低了参与行人检测的像素点的数量，有利于提高行人检测的速度，及时发现电动自行车前方的行人。
44.具体的，红外镜头模块可以选用超广角红外镜头，以增加检测范围。
45.作为优选，所述对红外图像进行像素点分类，获取红外图像中的目标像素点，包括：
46.使用大津算法计算红外图像的分类阈值；
47.将红外图像中大于分类阈值的像素点作为目标像素点，小于等于分类阈值的像素点作为非目标像素点。
48.具体的，由于行人所在的区域在红外图像中的像素值一般比较大，而非行人区域一般比较小，因此，本发明利用这个特性将大部分的非行人区域去除，从而实现减少参与行人识别的像素点的数量的目的。
49.作为优选，所述对目标图像进行像素点增强处理，获得增强图像，包括：
50.判断像素点的像素值是否大于预设的像素值阈值，若是，则通过如下公式对像素点进行增强处理：
[0051][0052]
其中，enhig表示增强图像，(x,y)表示像素点的坐标，enhig(x,y)表示增强图像中坐标为(x,y)的像素点的像素值，flr(x,y)表示目标图像中坐标为(x,y)的像素点的像素值，medfilt(x,y)表示对图像中坐标为(x,y)的像素点进行中值滤波后的像素值；flru表示目标图像中的像素点的类型的总数，thsaaj表示目标图像中第j类的像素点的数量，nfflr表示目标图像中的像素点的总数，flrj表示第j类的像素点的像素值；w1、w2分别表示预设的权重参数。
[0053]
本发明上述实施方式，主要是对像素值大于预设的像素值阈值的像素点进行增强处理，突出这些像素点与目标图像中像素值比较低的像素点之间的区别。从而提高后续进行对称性计算的准确性。在增强处理时，主要从中值滤波后的像素值之间的差别，当前像素点与目标图像中的所有类型的像素点之间的差别两方面进行计算。通过加权的方式增强像素值大于预设的像素值阈值的像素点与其它像素点之间的差异。具体的，一种像素值对应着一种类型的像素点。
[0054]
作为优选，所述基于增强图像获取行人的位置以及距离，包括：
[0055]
对增强图像进行降噪处理，获得降噪图像；
[0056]
获取降噪图像中的连通区域；
[0057]
分别获取降噪图像中每个连通区域的最小外接矩形，将所有的最小外接矩形存入集合u中；
[0058]
基于预先设定的最小外接矩形的长宽比对集合u中的最小外接矩形进行筛选，将长宽比小于预设的长宽比阈值的最小外接矩形从集合u中删除，获得集合tu；
[0059]
对集合tu中的最小外接矩形进行对称性检测，将不符合预设的对称性检测要求的最小外接矩形从集合tu中删除，获得集合su；
[0060]
将su中的最小外接矩形输入到预先训练完成的神经网路模型中进行行人检测，分别判断每个su中的每个最小外接矩形是否存在行人；
[0061]
获取存在行人的最小外接矩形的中心坐标，将中心坐标转换为行人的位置；
[0062]
根据最小外接矩形的中心坐标和红外图像的中心的关系计算行人与电动车之间的距离。
[0063]
具体的，降噪处理能够降低后续神经网络提取特征进行行人检测的噪声干扰，从而提高行人检测的准确率。由于行人的外接矩形的长宽比一定是大于1的，因此通过设置长宽比能够将大部分不属于行人的外接矩形删除。
[0064]
具体的，将中心坐标转换为行人的位置，包括：
[0065]
若中心坐标在红外图像的中心的右边，则表示行人在电动自行车的右侧，
[0066]
若中心坐标在红外图像的中心的左边，则表示行人在电动车的左侧。
[0067]
具体的，根据最小外接矩形的中心坐标和红外图像的中心的关系计算行人与电动车之间的距离，包括：
[0068]
通过红外图像的exif信息获取拍摄距离l1；
[0069]
获取中心坐标和红外图像的中心之间的线段经过的像素点的数量n；
[0070]
通过如下公式计算中心坐标和红外图像的中心之间的实际距离l2：
[0071]
l2＝n
×
δ
[0072]
其中，δ表示比例系数，表示红外图像中1个像素点代表的实际距离；
[0073]
使用如下公式计算行人与电动车之间的距离l3：
[0074][0075]
作为优选，所述获取降噪图像中的连通区域，包括：
[0076]
将降噪图像转换为二值图像；
[0077]
在二值图像中进行连通域标记，获得各个连通域的像素点的集合。
[0078]
每个集合表示一个连通域。
[0079]
作为优选，所述对增强图像进行降噪处理，获得降噪图像，包括：
[0080]
对增强图像进行噪声点检测，获取噪声点集合；
[0081]
对增强图像进行边缘像素点检测，获取边缘像素点集合；
[0082]
对于噪声点集合中的噪声点pix
noi
，通过如下方式进行降噪处理：
[0083]
若pix
noi
的平滑系数大于等于预设的平滑系数阈值，则采用如下方式对pix
noi
进行降噪处理：
[0084]
[0085]
其中，afpix
noi
表示对afpix
noi
进行降噪处理后的像素值，mid表示取中间值，neipixu表示以pix
noi
为圆心的，半径为r的范围内的像素点的集合，pix(u)表示neipixu中的像素点u的像素值；
[0086]
若pix
noi
的平滑系数小于预设的平滑系数阈值，则采用如下方式对pix
noi
进行降噪处理：
[0087]
对以pix
noi
为圆心的，半径为r的范围内的像素点组成的局部区域dock(pix
noi
)进行小波分解，获得高频小波系数hfsi和低频小波系数lfsi：
[0088]
对高频小波系hfsi进行如下处理，获得处理后的高频小波系数：
[0089]
若则采用如下方式对hfsi进行处理：
[0090][0091]
若则采用如下方式对hfsi进行处理：
[0092][0093]
其中，bhfsi表示对hfsi进行处理的结果，c1和c2分别表示预设的第一常数和第二常数，c1∈(1.8,2.2)，c2∈(2.6,2.8)，np表示噪声估计的方差，lst表示hfsi的像素点数量，tz1和tz2分别表示预设的第一控制系数和第二控制系数，tz1和tz2均大于0；
[0094]
对bhfsi和lfsi进行小波重构，获得处理后的局部区域adock(pix
noi
)；
[0095]
将pix
noi
在adock(pix
noi
)中的像素值作为对pix
noi
进行降噪后的像素值；
[0096]
对噪声点集合中的噪声点分别进行上述降噪处理，获得降噪图像。
[0097]
在上述实施例中，本发明先通过噪声点检测，然后再根据噪点的实际情况选择不同的降噪方式进行降噪处理。这样的设置方式，一方面，可以有效降低降噪处理的像素点的数量，另一方面，能够根据噪声点周边的像素点的像素值情况来自适应地选择不同的处理方式来进行处理，使得处理方式更具有针对性，有利于提高降噪结果的准确性。
[0098]
具体的，在平滑系数比较大时，表示噪声点显著与周围像素点的差异非常大，周围像素点的像素值相差不大，因此可以通过使用获取中间值的方式来进行快速的降噪处理。而当平滑系数比较小时，表示周围像素点的像素值分布差异比较大，因此，通过对局部区域
进行小波分解后，在进行降噪处理，这样的处理方式，能够在保留图像的边缘信息的同时实现对噪声的有效处理。另外，在对高频小波系数进行处理时，通过将高频小波系数的值与噪声估计的方差、像素点数和常数之间的组成的函数组合进行比较，能够自动为高频小波系数选择相应的处理函数进行处理，进一步提高降噪处理结果的准确性。
[0099]
作为优选，所述平滑系数通过如下方式进行计算：
[0100][0101]
其中，smoceof(pix
noi
)表示pix
noi
的平滑系数，α和β分别表示预设的比例系数，nfneipixu表示neipixu中包含的元素的总数，nfdist(pix
noi
)表示neipixu中包含的边缘像素点的数量，nfst表示预设的数量参考值。
[0102]
在上述实施例中，若neipixu包含的边缘像素点的数量越多，pix
noi
和局部区域中的像素点之间的差异越大，则平滑系数越小，表示局部区域中的像素值分布越不平均，因此，会自动选择较为复杂的降噪处理方式进行降噪处理，避免简单的高斯降噪造成图像的边缘模糊。
[0103]
作为优选，所述辅助提示模块包括文字提示单元和语音提示单元；
[0104]
文字提示单元用于通过文字方式向电动车驾驶员提示行人的位置及距离；
[0105]
语音提示单元用于通过语音的方式电动车驾驶员提示行人的位置及距离。
[0106]
具体的，语音提示单元可以设置在头盔上。
[0107]
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
[0108]
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
[0109]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
[0110]
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于ram、rom、eeprom、cd-rom或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指
令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。