CN108860150A - 汽车制动方法、装置、设备及计算机可读存储介质 - Google Patents
汽车制动方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108860150A CN108860150A CN201810717766.XA CN201810717766A CN108860150A CN 108860150 A CN108860150 A CN 108860150A CN 201810717766 A CN201810717766 A CN 201810717766A CN 108860150 A CN108860150 A CN 108860150A
- Authority
- CN
- China
- Prior art keywords
- braking
- image
- feature
- brake
- behavioural characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18109—Braking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Abstract
本发明提供一种汽车制动方法、装置、设备及计算机可读存储介质。方法包括:通过图像采集装置采集司机的行为图像;根据行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。本发明提供的方法、装置、设备及计算机可读存储介质能够根据采集的司机图像对车辆采取制动处理,也就是能够根据司机对路况的实时反映对车辆进行制动,因此,基于司机的反映对车辆进行快速制动,能够增强辅助驾驶和自动驾驶的安全性。
Description
技术领域
本发明涉及汽车控制技术,尤其涉及一种汽车制动方法、装置、设备及计算机可读存储介质。
背景技术
随着经济的发展,汽车已经成为人们常用的交通工具,很多用户会选择自驾的方式出行,例如上班、出游等。为了便于用户驾驶汽车,自动驾驶以及辅助驾驶技术也越来越成熟。
在当前辅助驾驶和自动驾驶的实现方案中,是通过摄像头/激光雷达等装置获取车辆外部的环境信息,再基于外部环境信息操控汽车。
在通过车辆外部环境操控车辆驾驶时,由于实际驾驶环境比研发试验阶段时所考虑的环境要复杂的多,因此,现有技术中的辅助驾驶和自动驾驶方法还是会存在着意外情况的发生,会影响驾驶的安全性。
发明内容
本发明提供一种汽车制动方法、装置、设备及计算机可读存储介质,以解决现有技术中辅助驾驶和自动驾驶方法由于实际驾驶环境比研发试验阶段时所考虑的环境要复杂的多,导致辅助驾驶和自动驾驶方法存在不安全的技术问题。
本发明的第一个方面是提供一种汽车制动方法,包括:
通过图像采集装置采集司机的行为图像;
根据所述行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。
本发明的另一个方面是提供一种汽车制动装置,包括:
采集模块,用于通过图像采集装置采集司机的行为图像;
确定模块,用于根据所述行为图像确定是否符合制动条件,若是,则制动模块根据预设规则对车辆采取制动处理。
本发明的又一个方面是提供一种汽车制动设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如上述第一方面所述的汽车制动方法。
本发明的又一个方面是提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如上述第一方面所述的汽车制动方法。
本发明提供的汽车制动方法、装置、设备及计算机可读存储介质的技术效果是:
本实施例提供的汽车制动方法、装置、设备及计算机可读存储介质,包括:通过图像采集装置采集司机的行为图像;根据所述行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。本实施例提供的方法、装置、设备及计算机可读存储介质能够根据采集的司机图像对车辆采取制动处理,也就是能够根据司机对路况的实时反映对车辆进行制动,因此,基于司机的反映对车辆进行快速制动,能够增强辅助驾驶和自动驾驶的安全性。
附图说明
图1为本发明一示例性实施例示出的汽车制动方法的流程图;
图2为本发明另一示例性实施例示出的汽车制动方法的流程图;
图3为本发明一示例性实施例示出的汽车制动装置的结构图;
图4为本发明另一示例性实施例示出的汽车制动装置的结构图;
图5为本发明一示例性实施例示出的汽车制动设备的结构图。
具体实施方式
图1为本发明一示例性实施例示出的汽车制动方法的流程图。
如图1所示,本实施例提供的汽车制动方法包括:
步骤101,通过图像采集装置采集司机的行为图像。
其中,可以在车辆内部或外部设置图像采集装置,该图像采集装置至少包括用于获取图像的镜头。在具体设置时,可以将镜头对准主驾驶位置,从而能够通过镜头采集司机的行为图像。
具体的,图像采集装置例如可以设置在前挡风玻璃处,从而使该装置能够获取到更丰富的司机行为。司机行为可以包括司机的面部表情,还可以包括司机的肢体动作。
进一步的,由于不同的司机身材不同,驾驶习惯不同,导致不同司机坐在主驾驶座椅上时处于的位置不同,例如,有的司机习惯将座椅移至最前端,有的司机则习惯将座椅移至最后端。为了使图像采集装置能够适用于不同的司机,图像采集装置还可以根据当前获取的图像信息调整焦距、转向等参数,以使图像采集装置能够获取到更多的司机行为。例如,图像采集装置若既能够获取司机的面部图像又能够获取司机的肢体动作图像,相较于图像采集装置只能够获取到司机的面部图像来说,其获取的司机行为图像就要丰富的多。
实际应用时,图像采集装置采集的行为图像可以是视频图像,也可以是图片,本实施例对此不进行限制。若采集的是视频图像,还可以将采集的视频图像进行存储,并在已存储的视频图像大于等于存储阈值时,删除存储时间靠前的部分图像,从而使存储器能够继续存储视频。若采集的是图片图像,则可以设置采集频率,例如每个3秒获取一次司机的行为图像,具体的采集频次可以根据需求进行设置。
其中,执行本实施例提供的方法的装置可以与图像采集装置集成为一个装置,也可以分开设置。例如图像采集装置可以是一个摄像头,执行本实施例提供的方法的装置可以是处理器,二者电连接,处理器可以控制摄像头的焦距、转向等信息,摄像头可以向处理器发送其采集的司机的行为图像。
具体的,若执行本实施例提供的方法的装置与图像采集装置集成为一个装置,那么该装置还可以是可移动的智能设备,如手机、平板电脑等。
步骤102,根据行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。
进一步的,在获取行为图像后,可以提取行为图像中包括的图像特征,并基于提取的图像特征确定是否符合制动条件。
实际应用时,可以根据提取的图像特征确定司机行为所反映的司机情绪状态,例如司机的情绪状态可以包括正常、不安、焦躁、恐惧等。可以根据司机状态确定其是否符合制动条件,例如,若司机状态为恐惧,则认为符合制动条件。
其中,还可以根据提取的图像特征确定司机的面部表情和/或司机肢体动作,根据司机的面部表情和/或司机肢体动作确定司机状态,例如司机面部表情为惊讶、肢体动作为躲避,则认为司机状态为恐惧。另外,还可以根据提取的图像特征确定司机的身体朝向,并根据司机的身体朝向确定司机是对路况做出的恐惧反映还是对车内其他事物做出的恐惧反映,例如,司机仅是和副驾驶或后排座椅的乘客进行交互,导致出现符合恐惧状态的司机行为,则这种情况可以被认定为“假”的恐惧状态,并且认为不符合制动条件。
具体的,还可以预先设置制动条件,例如,制动条件中可以包括预设图像特征,若行为图像中包括任一预设特征,则认为符合制动条件。
进一步的,若行为图像符合预设的制动条件,也就是根据当前司机的状态可以确定需要执行制动处理,则根据预设规则对车辆采取相应的制动处理措施。制动措施可以是对车辆进行急刹车处理,也可以是对车辆进行减速处理。
实际应用时,可以预先设置用于对车辆采取制动处理的措施,例如,可以根据司机的行为图像分级,每个级别与车辆的制动等级相对应,从而可以根据行为图像选择相应的制动等级,并根据该制动等级对车辆采取制动措施。不同的制动等级可以代表控制车辆刹车力度的程度,执行本实施例提供的方法的装置,在确定出制动等级后,可以根据该制动等级确定刹车指令,并向电动刹车泵发出该刹车指令。可选的,还可以向电动离合泵发出分离指令,从而使车辆减速慢行或急刹车。
若根据行为图像确定不符合制动条件,则不对车辆采取制动处理。此处的不采取制动处理是指不由本实施例提供的方法自动对车辆进行制动处理,但是司机仍然可以主动对车辆采取制动措施。
其中,本实施例提供的方法还可以结合现有的辅助驾驶或自动驾驶技术,从而提高现有的辅助驾驶或自动驾驶的安全性。
本实施例提供的方法用于根据司机的行为图像对车辆进行制动处理,该方法由安装有本实施例提供的方法的设备执行,该设备通常以硬件和/或软件的方式来实现。
本实施例提供的汽车制动方法,包括:通过图像采集装置采集司机的行为图像;根据所述行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。本实施例提供的方法能够根据采集的司机图像对车辆采取制动处理,也就是能够根据司机对路况的实时反映对车辆进行制动,因此,基于司机的反映对车辆进行快速制动,能够增强辅助驾驶和自动驾驶的安全性。
图2为本发明另一示例性实施例示出的汽车制动方法的流程图。
如图2所示,本实施例提供的汽车制动方法包括:
步骤201,提取第一图像中包括的第一特征,第一图像携带有符合制动条件的标识。
步骤202,提取第二图像中包括的第二特征,第二图像携带有不符合制动条件的标识。
其中,可以预先获取大量的行为图像,判断其是否符合制动条件,若是,则将其确认为第一图像,否则,将其确认为第二图像,并对图像进行标注,使其携带有符合制动条件或不符合制动条件的标识,例如,可以将第一图像标注为1,第二图像标注为0。
具体的,也可以根据用户的个性化需求获取第一图像以及第二图像,例如用户可以向执行本实施例提供的方法的装置发送第一图像以及第二图像,可以由用户主动对其进行标注,使第一图像携带符合制动条件的标识,第二图像携带不符合制动条件的标识,从而根据用户个性化的定制需求确定出预设制动特征。为了安全起见,用户个性化的定制需求还可以通过具有若干专业资质的部门或者专家进行评估确认。
进一步的,可以根据预设的特征提取方法从第一图像、第二图像中提取特征。提取出的特征可以是特征向量,例如可以获取图像中的边缘特征,并将边缘特征组合为特征向量。具体的特征提取方法可以采用现有技术中的方式。
步骤201与步骤202的时序不做限制。
步骤203,对第一特征进行标注,以使第一特征携带有符合制动条件的标识,对第二特征进行标注,以使第二特征携带有不符合制动条件的标识。
进一步的,由于第一特征是符合制动条件的第一图像对应的特征,因此,可以认为第一特征符合制动条件,因此,可以对第一特征进行标注,以使第一特征携带有符合制动条件的标识,例如,将第一特征标注为1。
实际应用时,由于第二特征是不符合制动条件的第二图像对应的特征,因此,可以认为第二特征不符合制动条件,因此,可以对第二特征进行标注,以使第二特征携带有不符合制动条件的标识,例如,将第二特征标注为0。
步骤204,根据携带有符合制动条件的标识的第一特征、携带有不符合制动条件的标识的第二特征确定预设制动特征。
其中,可以将带有标注信息的第一特征以及第二特征输入模型,例如A-1,B-0,C-0等,A、B、C是指特征,1、0是指特征的标注信息,根据输入的数据对模型进行训练,以使该模型在接收到特征时,能够确定出符合制动条件的预设制动特征。例如,若模型接收的特征中,同一特征M具有不同的标注信息,既接收到M-0,又收到了M-1的数据,且二者比例几乎相同,则可以认为特征M是无关特征,不将特征M作为预设制动特征。
具体的,第一图像、第二图像可以是随机获取的行为图像,还可以是用户提供的行为图像。若根据用户提供的行为图像确定预设制动特征,能够更符合用户的特点,从而能够确定出与用户匹配的预设制动特征。基于特定用户自身的行为图像确定的预设制动特征能够实现自动化定制,从而能够更进一步的提高用户体验。基于随机获取的行为图像确定的预设制动特征具有通用性,适用于不同的用户。
进一步的,若将用户自身的行为图像作为第一图像、第二图像,则用户可以对该第一图像、第二图像进行标注,从而确定哪些图像符合制动条件,哪些图像不符合制动条件,在这种情况下,用户可以预先获知哪些行为会触发车辆制动,哪些行为不会触发车辆制动,因此,用户还可以基于预先确定的行为控制车辆的制动处理,从而提高用户体验。其中,还可以将第一图像、第二图像发送到鉴定模块,以使专家或鉴定团队对第一图像、第二图像进行鉴定,从而提高安全性能。若鉴定通过,则可以根据用户提供的第一图像、第二图像确定预设制动特征。
基于本步骤可以确定出多个预设制动特征。
步骤205,通过图像采集装置采集司机的行为图像。
步骤205与步骤101的具体原理和实现方式类似,此处不再赘述。
步骤206,提取行为图像中包括的行为特征。
实际应用时,提取司机的行为图像的方法应与提取第一特征、第二特征的方法相同,从而使行为特征与根据第一特征、第二特征确定得到的制动特征具有可比性。
步骤207,对比行为特征与预设制动特征得到对比结果,并根据对比结果确定是否符合制动条件。
其中,还可以将司机的行为特征输入到训练好的模型中,基于该模型对比司机特征与预设制动特征,并确定是否符合制动条件。该模型可以是基于第一图像及其标注信息、第二图像及其标注信息训练得到的。
进一步的,若提取的行为特征为单一特征,则可以直接确定行为特征与每个预设制动特征的相似度,若行为特征与其中一个预设制动特征的相似度大于预设值,则可以确定符合制动条件。
实际应用时,提取的行为特征可以包括多个特征,此时,对比行为特征与预设制动特征,并根据对比结果确定是否符合制动条件可以进一步包括:
确定行为特征与预设制动特征之间的相似度;
确定相似度大于第一阈值的行为特征的第一数量;
确定第一数量与行为特征的总数量的比值,若比值大于第二阈值,则确定符合制动条件。
实际应用时,可以确定行为特征与预设制动特征之间的欧式距离,基于该欧氏距离确定二者的相似度。可以确定每一个行为特征与每一个预设制动特征之间的相似度,若一个行为特征对应的一个相似度大于第一阈值,则认为该行为特征属于预设制动特征,确定属于预设制动特征的行为特征的第一数量,还可以获取提取行为特征的总数量,并计算第一数量与总数量的比值,若该比值大于第二阈值,则确定符合制动条件。由于单一特征存在着无法准确确定是否符合制动条件的问题,因此,可以基于多个行为特征共同确定,从而提高确定的准确率。其中的第一阈值、第二阈值可以根据需求进行设置。
在一种实时方式中,还可以在预设制动特征中设置若干个标准特征,若任一个行为特征与该标准特征的相似度大于第一阈值,则认为符合制动条件。标准特征可以是对判断是否执行制动处理具有决定作用的特征,该标准特征可以基于训练模型确定,也可以手动设置。例如,可以在预设制动特征中筛选出具有标志性的特征,当司机的行为图像中包括标准特征时,认为司机对路况的反映为需要刹车。
若是,则执行步骤208,否则,不执行制动处理。
步骤208,根据行为特征对应的预设制动特征确定制动等级,并根据制动等级对车辆采取制动处理。
进一步的,可以预先设置预设制动特征与制动等级的对应关系,根据行为特征确定与其相应的预设制动特征,并获取该预设制动特征对应的制动等级。可以人工设置上述对应关系,也可以基于机器学习确定不同的预设制动特征所对应的紧急程度,并根据紧急程度确定制动等级。
实际应用时,可以根据行为特征与预设制动特征之间的相似度,确定与行为特征对应的预设制动特征,此处与步骤206中的实现方式及原理类似,不再赘述。
其中,当具有多个行为特征时,可以确定出多个相应的制动等级,此时可以根据各个制动等级确定出平均制动等级,也可以在其中选出最高的制动等级,再根据最终确定的制动等级对车辆采取制动处理。制动等级用于表征制动程度,若制动等级高,则刹车力度大,如急刹车,若制动等级低,则为缓慢制动,例如缓慢行驶。
具体的,在本实施例提供的方法的实时过程中,还可以设置与预设制动特征组合对应的制动处理规则。例如,可以根据预设制动特征确定与睡眠对应的预设制动特征组合,即若行为特征与该预设制动特征组合对应,则可以认为司机进入了睡眠状态,此时,可以设置与该预设制动特征组合对应的制动处理规则,如选择安全的位置停车。该安全的位置可以是根据大数据确定的如停车场、可以停车的路边等允许停车的位置。
图3为本发明一示例性实施例示出的汽车制动装置的结构图。
如图3所示,本实施例提供的汽车制动装置,包括:
采集模块31,用于通过图像采集装置采集司机的行为图像;
确定模块32,用于根据所述行为图像确定是否符合制动条件,若是,则制动模块33根据预设规则对车辆采取制动处理。
其中,采集模块31、确定模块32与制动模块33依次连接。
本实施例提供的汽车制动装置,包括:采集模块,用于通过图像采集装置采集司机的行为图像;确定模块,用于根据行为图像确定是否符合制动条件,若是,则制动模块根据预设规则对车辆采取制动处理。本实施例提供的汽车制动装置能够根据采集的司机图像对车辆采取制动处理,也就是能够根据司机对路况的实时反映对车辆进行制动,因此,基于司机的反映对车辆进行快速制动,能够增强辅助驾驶和自动驾驶的安全性。
本实施例提供的汽车制动装置的具体原理和实现方式均与图1所示的实施例类似,此处不再赘述。
图4为本发明另一示例性实施例示出的汽车制动装置的结构图。
如图4所示,在上述实施例的基础上,本实施例提供的汽车制动装置,所述确定模块32,包括:
提取单元321,用于提取所述行为图像中包括的行为特征;
第一确定单元322,用于对比所述行为特征与预设制动特征得到对比结果,并根据所述对比结果确定是否符合所述制动条件。
可选的,所述第一确定单元322具体用于:
确定所述行为特征与所述预设制动特征之间的相似度;
确定所述相似度大于第一阈值的所述行为特征的第一数量;
确定所述第一数量与所述行为特征的总数量的比值,若所述比值大于第二阈值,则确定符合所述制动条件。
可选的,本实施例提供的汽车制动装置,还包括预设制动特征确定模块34,用于:
提取第一图像中包括的第一特征,所述第一图像携带有符合制动条件的标识;
提取第二图像中包括的第二特征,所述第二图像携带有不符合制动条件的标识;
对所述第一特征进行标注,以使所述第一特征携带有所述符合制动条件的标识,对所述第二特征进行标注,以使所述第二特征携带有不符合制动条件的标识;
根据携带有所述符合制动条件的标识的第一特征、携带有所述不符合制动条件的标识的第二特征确定所述预设制动特征。
预设制动特征确定模块34与确定模块32连接。
可选的,所述制动模块33,包括:
第二确定单元331,用于根据所述行为特征对应的预设制动特征确定制动等级;
制动处理单元332,用于根据所述制动等级对所述车辆采取制动处理。
本实施例提供的汽车制动装置的具体原理和实现方式均与图2所示的实施例类似,此处不再赘述。
图5为本发明一示例性实施例示出的汽车制动设备的结构图。
如图5所示,本实施例提供的汽车制动设备包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如上任一种所述的汽车制动方法。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,
所述计算机程序被处理器执行以实现如上任一种所述的汽车制动方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种汽车制动方法,其特征在于,包括:
通过图像采集装置采集司机的行为图像;
根据所述行为图像确定是否符合制动条件,若是,则根据预设规则对车辆采取制动处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述行为图像确定是否符合制动条件,包括:
提取所述行为图像中包括的行为特征;
对比所述行为特征与预设制动特征得到对比结果,并根据所述对比结果确定是否符合所述制动条件。
3.根据权利要求2所述的方法,其特征在于,所述对比所述行为特征与预设制动特征,并根据对比结果确定是否符合所述制动条件,包括:
确定所述行为特征与所述预设制动特征之间的相似度;
确定所述相似度大于第一阈值的所述行为特征的第一数量;
确定所述第一数量与所述行为特征的总数量的比值,若所述比值大于第二阈值,则确定符合所述制动条件。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
提取第一图像中包括的第一特征,所述第一图像携带有符合制动条件的标识;
提取第二图像中包括的第二特征,所述第二图像携带有不符合制动条件的标识;
对所述第一特征进行标注,以使所述第一特征携带有所述符合制动条件的标识,对所述第二特征进行标注,以使所述第二特征携带有不符合制动条件的标识;
根据携带有所述符合制动条件的标识的第一特征、携带有所述不符合制动条件的标识的第二特征确定所述预设制动特征。
5.根据权利要求2或3所述的方法,其特征在于,所述根据预设规则对车辆采取制动处理,包括:
根据所述行为特征对应的预设制动特征确定制动等级,并根据所述制动等级对所述车辆采取制动处理。
6.一种汽车制动装置,其特征在于,包括:
采集模块,用于通过图像采集装置采集司机的行为图像;
确定模块,用于根据所述行为图像确定是否符合制动条件,若是,则制动模块根据预设规则对车辆采取制动处理。
7.根据权利要求6所述的汽车制动装置,其特征在于,所述确定模块,包括:
提取单元,用于提取所述行为图像中包括的行为特征;
第一确定单元,用于对比所述行为特征与预设制动特征得到对比结果,并根据所述对比结果确定是否符合所述制动条件。
8.根据权利要求7所述的汽车制动装置,其特征在于,所述确定单元具体用于:
确定所述行为特征与所述预设制动特征之间的相似度;
确定所述相似度大于第一阈值的所述行为特征的第一数量;
确定所述第一数量与所述行为特征的总数量的比值,若所述比值大于第二阈值,则确定符合所述制动条件。
9.根据权利要求7或8所述的汽车制动装置,其特征在于,还包括预设制动特征确定模块,用于:
提取第一图像中包括的第一特征,所述第一图像携带有符合制动条件的标识;
提取第二图像中包括的第二特征,所述第二图像携带有不符合制动条件的标识;
对所述第一特征进行标注,以使所述第一特征携带有所述符合制动条件的标识,对所述第二特征进行标注,以使所述第二特征携带有不符合制动条件的标识;
根据携带有所述符合制动条件的标识的第一特征、携带有所述不符合制动条件的标识的第二特征确定所述预设制动特征。
10.根据权利要求7或8所述的汽车制动装置,其特征在于,所述制动模块,包括:
第二确定单元,用于根据所述行为特征对应的预设制动特征确定制动等级;
制动处理单元,用于根据所述制动等级对所述车辆采取制动处理。
11.一种汽车制动设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如权利要求1-5任一种所述的方法。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,
所述计算机程序被处理器执行以实现如权利要求1-5任一种所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810717766.XA CN108860150B (zh) | 2018-07-03 | 2018-07-03 | 汽车制动方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810717766.XA CN108860150B (zh) | 2018-07-03 | 2018-07-03 | 汽车制动方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108860150A true CN108860150A (zh) | 2018-11-23 |
CN108860150B CN108860150B (zh) | 2021-05-04 |
Family
ID=64298242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810717766.XA Active CN108860150B (zh) | 2018-07-03 | 2018-07-03 | 汽车制动方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108860150B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110076625A (zh) * | 2019-03-11 | 2019-08-02 | 大族激光科技产业集团股份有限公司 | 防碰撞方法、装置及计算机可读存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521633A (en) * | 1992-09-25 | 1996-05-28 | Yazaki Corporation | Motor vehicle obstacle monitoring system using optical flow processing |
DE102014100364A1 (de) * | 2013-01-18 | 2014-07-24 | Carnegie Mellon University | Klassierer für Augen-abseits-der-Straße-Klassifizierung mit Brille |
CN104063994A (zh) * | 2014-03-13 | 2014-09-24 | 苏州天趣信息科技有限公司 | 一种基于摄像头识别人体意识的警示装置 |
US20150161174A1 (en) * | 2009-08-25 | 2015-06-11 | Google Inc. | Content-based image ranking |
CN105138977A (zh) * | 2015-08-18 | 2015-12-09 | 成都鼎智汇科技有限公司 | 一种大数据环境下的人脸识别方法 |
CN105292124A (zh) * | 2014-06-19 | 2016-02-03 | 西安中兴新软件有限责任公司 | 一种驾驶监测方法和装置 |
CN105912652A (zh) * | 2016-04-08 | 2016-08-31 | 华南师范大学 | 基于关联规则和用户属性的异常行为检测方法和系统 |
CN106218405A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶监控方法及云端服务器 |
CN107323459A (zh) * | 2017-06-23 | 2017-11-07 | 东风商用车有限公司 | 一种驾驶员行为识别传感装置及其识别方法 |
CN107330414A (zh) * | 2017-07-07 | 2017-11-07 | 郑州轻工业学院 | 暴力行为监控方法 |
CN107585162A (zh) * | 2017-08-30 | 2018-01-16 | 北汽银翔汽车有限公司 | 一种基于汽车驾驶员状态图像检测的主动安全控制系统和方法 |
US9919648B1 (en) * | 2016-09-27 | 2018-03-20 | Robert D. Pedersen | Motor vehicle artificial intelligence expert system dangerous driving warning and control system and method |
US9925987B1 (en) * | 2015-12-11 | 2018-03-27 | Lytx, Inc. | Driving abnormality detection |
CN107862275A (zh) * | 2017-11-01 | 2018-03-30 | 电子科技大学 | 人体行为识别模型及其构建方法和人体行为识别方法 |
-
2018
- 2018-07-03 CN CN201810717766.XA patent/CN108860150B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521633A (en) * | 1992-09-25 | 1996-05-28 | Yazaki Corporation | Motor vehicle obstacle monitoring system using optical flow processing |
US20150161174A1 (en) * | 2009-08-25 | 2015-06-11 | Google Inc. | Content-based image ranking |
DE102014100364A1 (de) * | 2013-01-18 | 2014-07-24 | Carnegie Mellon University | Klassierer für Augen-abseits-der-Straße-Klassifizierung mit Brille |
CN104063994A (zh) * | 2014-03-13 | 2014-09-24 | 苏州天趣信息科技有限公司 | 一种基于摄像头识别人体意识的警示装置 |
CN105292124A (zh) * | 2014-06-19 | 2016-02-03 | 西安中兴新软件有限责任公司 | 一种驾驶监测方法和装置 |
CN105138977A (zh) * | 2015-08-18 | 2015-12-09 | 成都鼎智汇科技有限公司 | 一种大数据环境下的人脸识别方法 |
US9925987B1 (en) * | 2015-12-11 | 2018-03-27 | Lytx, Inc. | Driving abnormality detection |
CN105912652A (zh) * | 2016-04-08 | 2016-08-31 | 华南师范大学 | 基于关联规则和用户属性的异常行为检测方法和系统 |
CN106218405A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶监控方法及云端服务器 |
US9919648B1 (en) * | 2016-09-27 | 2018-03-20 | Robert D. Pedersen | Motor vehicle artificial intelligence expert system dangerous driving warning and control system and method |
CN107323459A (zh) * | 2017-06-23 | 2017-11-07 | 东风商用车有限公司 | 一种驾驶员行为识别传感装置及其识别方法 |
CN107330414A (zh) * | 2017-07-07 | 2017-11-07 | 郑州轻工业学院 | 暴力行为监控方法 |
CN107585162A (zh) * | 2017-08-30 | 2018-01-16 | 北汽银翔汽车有限公司 | 一种基于汽车驾驶员状态图像检测的主动安全控制系统和方法 |
CN107862275A (zh) * | 2017-11-01 | 2018-03-30 | 电子科技大学 | 人体行为识别模型及其构建方法和人体行为识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110076625A (zh) * | 2019-03-11 | 2019-08-02 | 大族激光科技产业集团股份有限公司 | 防碰撞方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108860150B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7244655B2 (ja) | 注視エリア検出方法、装置、及び電子デバイス | |
US20180012082A1 (en) | System and method for image analysis | |
CN109460780A (zh) | 人工神经网络的车辆安全驾驶检测方法、装置及存储介质 | |
CN108537326A (zh) | 用于自动驾驶车辆的方法、介质和系统 | |
WO2019047651A1 (zh) | 驾驶行为预测方法和装置、无人车 | |
DE102019126904A1 (de) | System und verfahren zur verwendung eines zeitlich wiederkehrenden netzwerks zur online-aktionserfassung | |
CN108327722A (zh) | 用于通过移动模式来识别车辆驾驶员的系统和方法 | |
CN107004363A (zh) | 图像处理装置及车载显示系统及显示装置及图像处理方法及图像处理程序 | |
CN110348278B (zh) | 用于自主驾驶的基于视觉的样本高效的强化学习框架 | |
CN105930771A (zh) | 一种驾驶行为评分方法及装置 | |
CN113228620A (zh) | 一种图像的获取方法以及相关设备 | |
DE102020120174B4 (de) | Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und Computerprogramm | |
US11250279B2 (en) | Generative adversarial network models for small roadway object detection | |
CN111768438B (zh) | 一种图像处理方法、装置、设备以及计算机可读存储介质 | |
CN109094491A (zh) | 车辆部件的调整方法、装置、系统及终端设备 | |
DE102013221668A1 (de) | System und Verfahren für das Bereitstellen einer Benutzerschnittstelle im Fahrzeug, wobei das Erkennen einer Handformspur benutzt wird | |
US9696800B2 (en) | Menu selection apparatus using gaze tracking | |
CN110348463A (zh) | 用于识别车辆的方法和装置 | |
CN105159452A (zh) | 一种基于人脸姿态估计的控制方法与系统 | |
Sini et al. | Passengers’ emotions recognition to improve social acceptance of autonomous driving vehicles | |
CN108860150A (zh) | 汽车制动方法、装置、设备及计算机可读存储介质 | |
CN114051116A (zh) | 一种驾考车辆的视频监控方法、装置以及系统 | |
WO2024022429A1 (zh) | 车辆的人工交互方法、装置、设备、车辆及存储介质 | |
JP7068156B2 (ja) | 情報処理装置及びプログラム | |
CN109733403A (zh) | 自动驾驶车辆停车方法、装置、服务器和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |