公开(公告)号：CN118722672A

公开(公告)日：2024-10-01

申请号：CN202410713272.X

申请日：2024-06-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 颜红梅 ,  吴章碧

IPC: B60W40/09 ,  B60W50/00 ,  G06V20/40 ,  G06V20/52 ,  G06V20/56 ,  G06V20/59 ,  G06V40/16 ,  G06V40/18 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明属于驾驶辅助系统技术领域，公开了一种基于眼动记录和摄像监控的多模驾驶行为预测方法，应用于ADAS系统对危险驾驶动作进行警示或提醒。针对当前驾驶行为预测任务缺乏驾驶员眼动信息的使用问题，使用眼镜式眼动仪采集眼动数据，预测驾驶行为，辅助对危险驾驶行为进行警示或提醒。为此，本发明建立一个真实场景下驾驶员驾驶行为数据集。然后，分别使用四个通道网络提取不同模态数据集特征再融合各特征进行驾驶行为预测。最后，在真实驾驶场景下进行驾驶行为预测，可以提前5.156s准确预测74.02%的驾驶行为。本发明为ADAS系统预测驾驶行为提供了一种有效的方法。

公开(公告)号：CN115984816B

公开(公告)日：2024-11-22

申请号：CN202310017951.9

申请日：2023-01-06

Applicant: 电子科技大学 ,  电子科技大学长三角研究院(湖州)

Inventor： 秦龙 ,  颜红梅 ,  吴章碧 ,  李少清 ,  刘浩东

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/82 ,  G06V10/62 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种融合时间信息的改进YOLOV3交通视频显著目标检测方法，利用有经验驾驶员的Hard Attention获取交通场景的显著目标图，再建立融合时间信息的改进YOLOV3并进行训练优化，训练完成后进行显著目标检测。本发明的方法首次提出融合Hard Attention信息和时间信息的交通场景的显著目标检测，融合时间信息的改进YOLOV3相对现有全目标检测模型不仅通过融合Hard Attention信息特征只关注与驾驶安全相关的重要目标，还通过融合当前检测帧前10帧内的时间信息，极大地扩展了时间信息范围，通过融合更多低级特征的尺度预测，在黑暗场景和突然出现的超车等场景中，更准确有效地检测出对驾驶环境重要的目标；相对现有显著性预测模型能够专注于显著性区域，准确检测显著性区域内的目标和位置。

公开(公告)号：CN115984816A

公开(公告)日：2023-04-18

申请号：CN202310017951.9

申请日：2023-01-06

Applicant: 电子科技大学 ,  电子科技大学长三角研究院(湖州)

Inventor： 秦龙 ,  颜红梅 ,  吴章碧 ,  李少清 ,  刘浩东

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/82 ,  G06V10/62 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种融合时间信息的改进YOLOV3交通视频显著目标检测方法，利用有经验驾驶员的Hard Attention获取交通场景的显著目标图，再建立融合时间信息的改进YOLOV3并进行训练优化，训练完成后进行显著目标检测。本发明的方法首次提出融合Hard Attention信息和时间信息的交通场景的显著目标检测，融合时间信息的改进YOLOV3相对现有全目标检测模型不仅通过融合Hard Attention信息特征只关注与驾驶安全相关的重要目标，还通过融合当前检测帧前10帧内的时间信息，极大地扩展了时间信息范围，通过融合更多低级特征的尺度预测，在黑暗场景和突然出现的超车等场景中，更准确有效地检测出对驾驶环境重要的目标；相对现有显著性预测模型能够专注于显著性区域，准确检测显著性区域内的目标和位置。

公开(公告)号：CN118722671A

公开(公告)日：2024-10-01

申请号：CN202410713274.9

申请日：2024-06-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 颜红梅 ,  吴章碧

IPC: B60W40/08

Abstract: 本发明属于自动驾驶技术领域，公开了一种基于眼动数据的驾驶工作负载计算方法，应用于辅助驾驶领域监控驾驶员的工作状态。本发明使用眼镜式眼动仪采集眼动数据，计算驾驶员工作负载，从而辅助评估驾驶员的工作状态和工作符合。为此，本发明建立一个真实场景下驾驶员眼动的数据集。然后，选择了十项项眼动数据眼动数据指标进行统计，并计算了十项眼动指标的权重值。最后使用十项眼动指标权重和真实眼动数据加权计算不同驾驶场景或行为事件下驾驶工作负载。本发明为辅助驾驶系统监控驾驶员工作负荷提供了一中有效的方法，为智能驾驶或高级辅助驾驶系统提供了另一种策略。