公开(公告)号：CN113111862B

公开(公告)日：2022-12-13

申请号：CN202110519911.5

申请日：2021-05-13

Applicant: 北京理工大学

Inventor： 宋文杰 ,  刘室先 ,  张婷 ,  杨毅 ,  付梦印

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T7/136

Abstract: 本发明提供一种基于动作‑状态联合学习的车辆尾灯状态识别方法，首先基于真实交通场景中得到的车辆跟踪序列获取连续的跟踪片段数据，采用基于注意力模型的CNN‑LSTM网络来识别各跟踪片段数据内隐含的5类尾灯动作特征：不变、踩刹车、松刹车、左转、右转；然后，基于尾灯语义分割获取各跟踪片段对应的高位刹车灯平均亮度特征，并与尾灯动作特征形成高阶特征；最后，构造线性链条件随机场模型，通过分析高阶特征建立连续片段之间的长期依赖，推断出各时刻连续的尾灯状态：无动作、制动、左转、右转；因此，本发明能够在不同的实际复杂交通场景中，准确提取出每一帧图像中不同类型、不同标准的车辆的尾灯隐含语义特征，得到尾灯在各时刻下的连续稳定状态。

公开(公告)号：CN113111862A

公开(公告)日：2021-07-13

申请号：CN202110519911.5

申请日：2021-05-13

Applicant: 北京理工大学

Inventor： 宋文杰 ,  刘室先 ,  张婷 ,  杨毅 ,  付梦印

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/136

Abstract: 本发明提供一种基于动作‑状态联合学习的车辆尾灯状态识别方法，首先基于真实交通场景中得到的车辆跟踪序列获取连续的跟踪片段数据，采用基于注意力模型的CNN‑LSTM网络来识别各跟踪片段数据内隐含的5类尾灯动作特征：不变、踩刹车、松刹车、左转、右转；然后，基于尾灯语义分割获取各跟踪片段对应的高位刹车灯平均亮度特征，并与尾灯动作特征形成高阶特征；最后，构造线性链条件随机场模型，通过分析高阶特征建立连续片段之间的长期依赖，推断出各时刻连续的尾灯状态：无动作、制动、左转、右转；因此，本发明能够在不同的实际复杂交通场景中，准确提取出每一帧图像中不同类型、不同标准的车辆的尾灯隐含语义特征，得到尾灯在各时刻下的连续稳定状态。