基于驾驶员制动与加速意图辨识的行人防碰撞预警方法.pdf

《基于驾驶员制动与加速意图辨识的行人防碰撞预警方法.pdf》由会员分享，可在线阅读，更多相关《基于驾驶员制动与加速意图辨识的行人防碰撞预警方法.pdf（12页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103640532 A (43)申请公布日 2014.03.19 CN 103640532 A (21)申请号 201310640000.3 (22)申请日 2013.11.29 B60R 16/02(2006.01) G06K 9/62(2006.01) (71)申请人 大连理工大学 地址 116024 辽宁省大连市高新园区凌工路 2 号 (72)发明人 郭烈 张雁雁 任泽建 赵一兵 李琳辉 张明恒 (74)专利代理机构 大连东方专利代理有限责任 公司 21212 代理人 杨威 李洪福 (54) 发明名称 基于驾驶员制动与加速意图辨识的行人防碰 撞预警方法 (57)。

2、 摘要 本发明公开了一种基于驾驶员制动与加速意 图辨识的行人防碰撞预警方法， 包括如下步骤 ： 、 采集实验数据进行隐马尔可夫 HMM 模型的一 次离线训练 ； 、 采集实验数据进行隐马尔科夫 HMM 模型的二次离线训练 ； 、 辨识出驾驶员避碰 行人意图数据信号 ； 、 辨识出驾驶员避碰行人 意图数据信号后结合红外线人体感应数据信号进 行数据分析， 并做出不同的预警处理。 本发明将行 人、 车辆作为一个系统来研究， 通过分析驾驶员在 遇到车辆前方存在行人时可能采取的操纵行为和 策略， 并根据驾驶行为及意图判断是否存在危险， 对驾驶员进行相应的预警， 对错误的驾驶员驾驶 操作比如误踩加速踏板的。

3、操作进行预警， 有效保 护行人的安全、 提高汽车的主动安全能。 (51)Int.Cl. 权利要求书 2 页 说明书 5 页 附图 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书5页 附图4页 (10)申请公布号 CN 103640532 A CN 103640532 A 1/2 页 2 1. 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法， 其特征在于 ： 包括如下步 骤 ： 、 采集实验数据进行隐马尔可夫 HMM 模型的一次离线训练 ： 针对驾驶员为避碰行人可能采取的驾驶行为， 采集实验数据， 所述的实验数据包括制 动踏板力数据、 制动踏板位移数。

4、据、 油门踏板行程数据和车速数据 ； 把采集的一长段实验数 据分段处理后， 将制动踏板力数据、 制动踏板位移数据、 油门踏板行程数据输入到制动与加 速隐马尔可夫 HMM 模型中， 将车速数据输入到速度分级模块中 ； 在制动与加速隐马尔科夫 HMM 模型中， 构建正常松油门、 快速松油门、 油门保持、 踩下油门、 正常踩制动、 快速踩制动、 制动保持、 松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔可夫HMM模型 ； 应用 Baum-Welch 算法， 对所述 9 个多维高斯隐马尔科夫 HMM 模型进行离线训练， 迭代优化 各个模型参数 ； 把同时间段的车速信号按等级编号， 输入到速度。

5、分级模块 ； 、 采集实验数据进行隐马尔科夫 HMM 模型的二次离线训练 ： 针对驾驶员为避碰行人 可能采取的驾驶行为， 采集实验数据， 所述的实验数据包括制动踏板力数据、 制动踏板位移 数据、 油门踏板行程数据和车速数据 ； 将制动踏板力数据、 制动踏板位移数据、 油门踏板行 程数据再次输入到制动与加速隐马尔可夫 HMM 模型中， 将车速数据再次输入到速度分级模 块中 ； 应用 Forward-Backward 算法分别计算新采集到的驾驶行为实验数据相对于步骤 中所述的 9 个驾驶行为多维高斯隐马尔科夫 HMM 模型的似然度， 选择似然度最大的模型作 为驾驶员驾驶行为辨识结果 ； 并把该隐马。

6、尔科夫 HMM 模型的二维的驾驶行为辨识结果串 制动与加速辨识结果串和车速辨识结果串， 作为驾驶员意图辨识隐马尔可夫 HMM 模型的观 察序列， 对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化， 得到 2 个驾驶 员避碰行人意图隐马尔科夫 HMM 模型 ： 加速隐马尔科夫 HMM 模型和制动停车隐马尔科夫 HMM 模型 ； 、 辨识出驾驶员避碰行人意图数据信号 ： 将实时采集的制动踏板力传感器信号、 制 动踏板位移传感器信号、 油门踏板行程传感器信号输入到制动与加速隐马尔科夫 HMM 模型 中， 将车速传感器信号输入到速度分级模块中， 对9个驾驶行为多维高斯隐马尔科夫HMM模 型进行。

7、离线训练和优化， 辨识出驾驶员操作， 得到驾驶行为隐马尔科夫 HMM 模型的二维的 辨识结果串制动与加速辨识结果串和车速辨识结果串， 组成观察序列串后， 送入驾驶员 意图辨识 2 个隐马尔科夫 HMM 模型， 应用 Forward-Backward 算法， 分别计算 2 个多维离散 隐马尔科夫 HMM 模型产生该观察序列的可能性， 选择似然度最大的模型作为驾驶意图数据 信号 ； 、 辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分 析， 并做出不同的预警处理 ： 在汽车前部设置基于红外线技术的人体感应器， 用于实时采集 人体感应数据信号 ； 在汽车车载系统设置用于依据人体。

8、感应数据信号及驾驶意图数据信号 进行实时数据分析并控制声音信号警示装置进行预警的中央处理单元。 2. 根据权利要求 1 所述的基于驾驶员制动与加速意图辨识的行人防碰撞预警方法， 其 特征在于 ： 所述的数据分析过程包括 ： 若中央处理单元分析出人体感应数据信号结果为前 方不存在行人， 则无论驾驶意图数据信号为何种结果， 中央处理单元均不发出触发信号控 制声音信号警示装置进行预警 ； 若中央处理单元分析出人体感应数据信号结果为前方存在 行人且驾驶意图数据信号为制动停车意图信号时 ； 中央处理单元不发出触发信号控制声音 权 利 要 求 书 CN 103640532 A 2 2/2 页 3 信号警示。

9、装置进行预警 ； 若中央处理单元分析出人体感应数据信号结果为前方存在行人且 驾驶意图数据信号为加速意图信号， 即驾驶员会误踩加速踏板加速通过时， 中央处理单元 发出触发信号控制声音信号警示装置进行预警， 从而达到驾驶员能够及时做出反应来保护 行人的目的。 权 利 要 求 书 CN 103640532 A 3 1/5 页 4 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 技术领域 0001 本发明涉及汽车主动安全领域， 特别涉及一种基于驾驶员制动与加速意图辨识的 行人防碰撞预警方法。 背景技术 0002 在道路交通事故中， 行人往往是最大的受害群体， 而汽车与行人发生碰撞是主要 事故类型之一。

10、。据美国高速公路安全管理局统计， 2011 年全美由于交通事故导致 6.9 万个 行人受伤， 占总受伤人数的 3% ； 导致 4432 个行人死亡， 占总死亡人数的 14%。在欧盟的道 路交通事故中， 行人的死亡数据是车内乘员的 9 倍， 骑车人的死亡数据是车内乘员的 8 倍。 2010 年我国因交通事故导致行人死亡的人数为 16281 人， 受伤人数为 44629， 分别占总数 的 25% 和 18%。目前， 行人保护已被全球普遍关注， 在汽车被动安全方面制定严格的碰撞标 准和行人保护法规， 在汽车主动安全方面则借助传感器技术感知前方行人并判断其危险状 态， 及时警告驾驶员车辆可能与前方的行。

11、人发生碰撞危险， 实现主动安全预警。 0003 目前对驾驶员行为的研究， 主要集中在对某一个危险驾驶行为的检测和监督， 没 有利用环境信息综合考虑驾驶员的驾驶行为及意图， 忽略驾驶员的意图及其变化趋势在主 动安全控制中起到的关键性作用， 容易对当前道路危险态势做出错误估计。本发明拟根据 行人检测结果， 结合车辆运行状态信息和周围环境信息， 运用隐式马尔科夫模型对驾驶员 驾驶行为及意图进行辨识和预测， 分析驾驶员在遇到车辆前方存在行人时可能采取的加速 通过或制动停车以避碰行人等操纵行为和策略， 并根据驾驶行为及意图是否存在危险， 对 驾驶员和前方行人进行相应的预警， 有效保护行人的安全、 提高汽。

12、车的主动安全能。 发明内容 0004 鉴于已有技术存在的缺陷， 本发明的目的是要提供一种基于驾驶员制动与加速意 图辨识的行人防碰撞预警方法， 通过分析驾驶员在遇到车辆前方存在行人时可能采取的操 纵行为和策略， 并根据驾驶行为及意图判断是否存在危险， 对驾驶员进行相应的预警， 对错 误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警， 有效保护行人的安全、 提高汽车 的主动安全性能。 0005 为了实现上述目的， 本发明的技术方案 ： 0006 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法， 包括如下步骤 ： 0007 、 采集实验数据进行隐马尔可夫 HMM 模型的一次离线训练 ： 0008 。

13、针对驾驶员为避碰行人可能采取的驾驶行为， 采集实验数据， 所述的实验数据包 括制动踏板力数据、 制动踏板位移数据、 油门踏板行程数据和车速数据 ； 把采集的一长段实 验数据分段处理后， 将制动踏板力数据、 制动踏板位移数据、 油门踏板行程数据输入到制动 与加速隐马尔可夫 HMM 模型中， 将车速数据输入到速度分级模块中 ； 在制动与加速隐马尔 科夫 HMM 模型中， 构建正常松油门、 快速松油门、 油门保持、 踩下油门、 正常踩制动、 快速踩 制动、 制动保持、 松开制动和踏板无动作共 9 个关于制动与加速的多维高斯隐马尔可夫 HMM 说 明 书 CN 103640532 A 4 2/5 页 。

14、5 模型 ； 应用Baum-Welch算法， 对所述9个多维高斯隐马尔科夫HMM模型进行离线训练， 迭代 优化各个模型参数 ； 把同时间段的车速信号按等级编号， 输入到速度分级模块 ； 0009 、 采集实验数据进行隐马尔科夫 HMM 模型的二次离线训练 ： 针对驾驶员为避碰 行人可能采取的驾驶行为， 采集实验数据， 所述的实验数据包括制动踏板力数据、 制动踏板 位移数据、 油门踏板行程数据和车速数据 ； 将制动踏板力数据、 制动踏板位移数据、 油门踏 板行程数据再次输入到制动与加速隐马尔可夫 HMM 模型中， 将车速数据再次输入到速度分 级模块中 ； 应用 Forward-Backward 。

15、算法分别计算新采集到的驾驶行为实验数据相对于步 骤中所述的 9 个驾驶行为多维高斯隐马尔科夫 HMM 模型的似然度， 选择似然度最大的模 型作为驾驶员驾驶行为辨识结果 ； 并把该隐马尔科夫 HMM 模型的二维的驾驶行为辨识结果 串制动与加速辨识结果串和车速辨识结果串， 作为驾驶员意图辨识隐马尔可夫 HMM 模型 的观察序列， 对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化， 得到 2 个 驾驶员避碰行人意图隐马尔科夫 HMM 模型 ： 加速隐马尔科夫 HMM 模型和制动停车隐马尔科 夫 HMM 模型 ； 0010 、 辨识出驾驶员避碰行人意图数据信号 ： 将实时采集的制动踏板力传感器。

16、信号、 制动踏板位移传感器信号、 油门踏板行程传感器信号输入到制动与加速隐马尔科夫 HMM 模 型中， 将车速传感器信号输入到速度分级模块中， 对 9 个驾驶行为多维高斯隐马尔科夫 HMM 模型进行离线训练和优化， 辨识出驾驶员操作， 得到驾驶行为隐马尔科夫 HMM 模型的二维 的辨识结果串制动与加速辨识结果串和车速辨识结果串， 组成观察序列串后， 送入 2 个 驾驶员意图辨识隐马尔科夫 HMM 模型， 应用 Forward-Backward 算法， 分别计算 2 个多维离 散隐马尔科夫 HMM 模型产生该观察序列的可能性， 选择似然度最大的模型作为驾驶意图数 据信号 ； 0011 、 辨识出。

17、驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数 据分析， 并做出不同的预警处理 ： 在汽车前部设置基于红外线技术的人体感应器， 用于实时 采集人体感应数据信号 ； 在汽车车载系统设置用于依据人体感应数据信号及驾驶意图数据 信号进行实时数据分析并控制声音信号警示装置进行预警的中央处理单元。 0012 所述的数据分析过程包括 ： 若中央处理单元分析出人体感应数据信号结果为前方 不存在行人， 则无论驾驶意图数据信号为何种结果， 中央处理单元均不发出触发信号控制 声音信号警示装置进行预警 ； 若中央处理单元分析出人体感应数据信号结果为前方存在行 人且驾驶意图数据信号为制动停车意图信号时 。

18、； 中央处理单元不发出触发信号控制声音信 号警示装置进行预警 ； 若中央处理单元分析出人体感应数据信号结果为前方存在行人且驾 驶意图数据信号为加速意图信号， 即驾驶员会误踩加速踏板加速通过时， 中央处理单元发 出触发信号控制声音信号警示装置进行预警， 从而达到驾驶员能够及时做出反应来保护行 人的目的。 0013 与现有技术相比， 本发明的有益效果 ： 0014 本发明将行人、 车辆作为一个系统来研究， 提供一种应用于行人防碰撞预警的驾 驶员制动与加速意图辨识方法， 通过分析驾驶员在遇到车辆前方存在行人时可能采取的操 纵行为和策略， 并根据驾驶行为及意图判断是否存在危险， 对驾驶员进行相应的预警。

19、， 对错 误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警， 有效保护行人的安全、 提高汽车 的主动安全能。 说 明 书 CN 103640532 A 5 3/5 页 6 附图说明 0015 图 1 为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法总体设计 方案框图。 0016 图2为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的HMM模型 结构。 0017 图3为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的HMM模型 的训练过程。 0018 图 4 为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的流程图。 0019 图中 ： 1、 人体感应器， 2、 。

20、制动踏板行程传感器， 3、 制动踏板力传感器， 4、 油门踏板 行程传感器， 5、 车速传感器， 6、 隐马尔科夫模型模块， 7、 中央处理单元， 8、 声音信号警示装 置。 具体实施方式 0020 为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图， 对本发明进 行进一步详细说明。 0021 如图 1 所示， 本发明的设计思想通过架构一个基于驾驶员制动与加速意图辨识的 行人防碰撞预警方法实例来叙述， 本例包括安装在汽车前部的人体感应器 1、 隐马尔科夫模 型模块6、 中央处理单元7、 声音信号警示装置8以及安装在汽车内部的车辆信息采集装置 ； 所述车辆信息采集装置包括 ： 制动。

21、踏板行程传感器 2、 制动踏板力传感器 3、 油门踏板行程 传感器 4 和车速传感器 5 ； 其中所述制动踏板行程传感器 2、 制动踏板力传感器 3、 油门踏板 行程传感器4、 车速传感器5分别与隐马尔科夫模型模块6信号连接 ； 所述人体感应器1、 隐 马尔科夫模型模块 6 与声音信号警示装置 8 分别与中央处理单元 7 连接。 0022 其中， 所述声音信号警示装置 8 采用蜂鸣器进行发声即可。 0023 其中， 数据的采集通过车辆信息采集装置实现， 所述车辆信息采集装置包括制动 踏板行程传感器 2， 制动踏板力传感器 3， 油门踏板行程传感器 4， 车速传感器 5 针对驾驶 员的各种驾驶行。

22、为采集数据， 所述数据包括制动踏板力、 制动踏板位移、 油门踏板行程和车 速 ； 将采集的传感器数据输入到隐马尔科夫模型模块 6 中辨识出驾驶员意图 ； 位于汽车前 部的基于红外线技术的人体感应器1将采集到的实时信息和隐马尔科夫模型模块6预测的 驾驶员避碰行人意图数据信息传递给中央处理单元 7， 即单片机， 所述中央处理单元 7 的输 入信号为人体感应器输出的人体感应数据信号和驾驶员意图辨识双层隐马尔科夫 HMM 模 型模块输出的驾驶意图数据信号， 它的输出信号控制蜂鸣器进行发声。 0024 本方法所涉及的过程包括基于离线实验数据采集建构的隐马尔可夫 HMM 模型的 一次离线训练、 二次离线训。

23、练以及基于实际驾驶行为数据采集建构的隐马尔可夫 HMM 模型 辨识出驾驶员避碰行人意图数据信号后， 通过单片机进行预警处理。 0025 鉴于隐马尔科夫 HMM 模型强大的统计学基础、 模块化的建模方法和处理动态时间 序列的能力， 构建了如图 2 所示隐马尔科夫 HMM 模型结构 （所述的隐马尔科夫 HMM 模型包括 制动与加速隐马尔科夫HMM模型以及速度分级模块） ， 以表征驾驶员避碰行人意图和相应意 图下的驾驶员操作， 并辨识驾驶员避碰行人采取的行为的驾驶意图数据信号。 说 明 书 CN 103640532 A 6 4/5 页 7 0026 （2.1） 、 实验数据的采集通过车辆信息采集装置。

24、， 即制动踏板行程传感器 2、 制动踏 板力传感器 3、 油门踏板行程传感器 4 和车速传感器 5， 针对驾驶员为避碰行人可能的采取 的驾驶行为， 采集实验数据， 包括制动踏板力传感器数据、 制动踏板位移传感器数据、 油门 踏板行程传感器数据和车速传感器数据 ； 把采集的一长段实验数据分段处理后， 将制动踏 板力传感器数据、 制动踏板位移传感器数据、 油门踏板行程传感器数据输入到制动与加速 隐马尔科夫 HMM 模型， 将车速传感器数据输入到速度分级模块中 ； 0027 （2.2） 、 在制动与加速隐马尔科夫 HMM 模型中， 构建正常松油门、 快速松油门、 油门 保持、 踩下油门、 正常踩制动。

25、、 快速踩制动、 制动保持、 松开制动和踏板无动作共 9 个关于制 动与加速的多维高斯隐马尔科夫 HMM 模型。应用 Baum-Welch 算法， 对 9 个多维高斯隐马尔 科夫 HMM 进行离线训练， 迭代优化各个模型的参数 ； 0028 （2.3） 、 鉴于采集的实验数据是一长段观察序列， 需要对其进行分段处理， 因此把 同时间段的车速信号按等级编号， 输入到速度分级模块。所述的等级编号是按照速度的大 小对速度进行分级并编号， 例如 : 速度的大小为 60km/h， 速度的等级就是 6。 0029 （2.4） 、 把得到的隐马尔科夫HMM模型的二维的驾驶行为辨识结果串(制动与加速 辨识结果。

26、串和车速辨识结果串 )， 作为驾驶意图辨识隐马尔科夫 HMM 模型的观察序列， 对驾 驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化， 得到 2 个驾驶员避碰行人意 图隐马尔科夫 HMM 模型 ： 加速意图隐马尔科夫 HMM 模型和制动停车意图隐马尔科夫 HMM 模 型。 0030 （2.5） 、 将实际驾驶情况下实时采集的制动踏板力传感器信号、 制动踏板位移传感 器信号、 油门踏板行程传感器信号输入到制动与加速隐马尔科夫 HMM 模型中， 将车速传感 器信号输入到速度分级模块中， 参照步骤 （2.1） 、（2.2） ， 对 9 个多维高斯隐马尔科夫 HMM 进 行离线训练和优化， 辨识。

27、出驾驶员操作， 得到驾驶行为隐马尔科夫 HMM 的二维的辨识结果 串 ( 制动与加速和车速 )， 组成观察序列串后， 送入步骤 （2.4） 的 2 个驾驶员避碰行人意图 隐马尔科夫HMM模型， 应用Forward-Backward算法， 分别计算2个多维离散隐马尔科夫HMM 模型产生该观察序列的可能性， 选择似然度最大的模型作为驾驶意图数据信号 ； 0031 如图 3， 本发明专利应用于行人防碰撞预警的驾驶员制动与加速意图辨识方法的 HMM 的训练过程， 包括以下步骤 ： 0032 （3.1） 、 实验数据的采集通过车辆信息采集装置， 即制动踏板行程传感器、 制动踏 板力传感器、 油门踏板行程。

28、传感器和车速传感器， 针对驾驶员为避碰行人可能采取的驾驶 行为， 采集实验数据， 包括制动踏板力、 制动踏板位移、 油门踏板行程和车速传感器数据 ； 把 采集的一长段实验数据分段处理后， 将制动踏板力、 制动踏板位移、 油门踏板行程传感器数 据输入到制动与加速隐马尔科夫 HMM 模型， 将车速输入到速度分级模块中 ； 0033 （3.2） 、 在制动与加速隐马尔科夫 HMM 模型模块中， 构建正常松油门、 快速松油门、 油门保持、 踩下油门、 正常踩制动、 快速踩制动、 制动保持、 松开制动和踏板无动作共 9 个关 于制动与加速的多维高斯隐马尔科夫 HMM 模型。应用 Baum-Welch 算。

29、法， 对 9 个多维高斯隐 马尔科夫 HMM 进行离线训练， 迭代优化各个模型的参数 ； 0034 （3.3） 、 鉴于采集的实验数据是一长段观察序列， 需要对其进行分段处理， 因此把 同时间段的车速信号按等级编号， 输入到速度分级模块。所述的等级编号是按照速度的大 小对速度进行分级并编号， 例如 : 速度的大小为 60km/h， 速度的等级就是 6。 说 明 书 CN 103640532 A 7 5/5 页 8 0035 （3.4） 、 实验数据的采集通过车辆信息采集装置， 针对驾驶员避碰行人的不同驾驶 意图即加速和制动停车， 采集实验数据， 包括制动踏板力、 制动踏板位移、 油门踏板行程和。

30、 车速传感器数据 ； 0036 （3.5） 、 将制动踏板力传感器数据、 制动踏板位移传感器数据、 油门踏板行程传感 器数据输入到制动与加速隐马尔科夫 HMM 模型中， 将车速传感器数据输入到速度分级模块 中 ； 应用Forward-Backward算法分别计算新采集到的驾驶行为传感器数据相对于9个驾驶 行为多维高斯隐马尔科夫 HMM 模型的似然度， 选择似然度最大的模型作为驾驶员驾驶行为 辨识结果 ； 0037 （3.6） 、 把得到的驾驶行为隐马尔科夫HMM的二维的辨识结果串(制动与加速和车 速 )， 作为驾驶员避碰行人意图辨识隐马尔科夫 HMM 模型的观察序列， 对驾驶员避碰行人意 图辨。

31、识隐马尔科夫模型进行离线训练和优化， 得到2个驾驶员意图隐马尔科夫HMM模型 ： 加 速隐马尔科夫 HMM 模型和制动停车隐马尔科夫 HMM 模型 ； 0038 （3.7） 、 将实时采集的制动踏板力传感器数据、 制动踏板位移传感器数据、 油门踏 板行程传感器信号输入到制动与加速隐马尔科夫 HMM 模型中， 将车速输入到速度分级模块 中， 参照步骤 （1） 、（2） ， 对 9 个多维高斯 HMM 进行离线训练和优化， 辨识出驾驶员操作， 得到 驾驶行为隐马尔科夫 HMM 的二维的辨识结果串 ( 制动与加速和车速 )， 组成观察序列串后， 送入 2 个驾驶员意图辨识隐马尔科夫 HMM 模型， 。

32、应用 Forward-Backward 算法， 分别计算 2 个驾驶员意图多维离散隐马尔科夫 HMM 模型产生该观察序列的可能性， 选择似然度最大的 模型作为驾驶员意图数据。 0039 如图 4 所示， 数据的采集通过车辆信息采集装置， 即制动踏板行程传感器 2、 制动 踏板力传感器 3、 油门踏板行程传感器 4 和车速传感器 5， 针对驾驶员为避碰行人可能采取 的驾驶行为， 采集数据， 包括制动踏板力、 制动踏板位移、 油门踏板行程和车速 ； 将采集的 传感器数据输入到隐马尔科夫模型模块 6 中， 辨识出驾驶员避碰行人意图为加速或制动停 车， 即驾驶员可能误踩加速踏板加速通过或制动停车以躲避。

33、行人 ； 位于汽车前部的基于红 外线技术的人体感应器 1 将采集到的实时信息和隐马尔科夫模型模块 6 预测的驾驶员意 图信息传递给中央处理单元 7， 即单片机， 中央处理单元 7 辨识出驾驶员避碰行人意图数据 信号后结合所述意图信息及红外线人体感应数据信号进行数据分析， 并做出不同的预警处 理。所述的数据分析过程包括 ： 若中央处理单元 7 分析出人体感应数据信号结果为前方不 存在行人， 则无论驾驶意图数据信号为何种结果， 中央处理单元均不发出触发信号控制声 音信号警示装置 8 进行预警 ； 若中央处理单元 7 分析出人体感应数据信号结果为前方存在 行人且驾驶意图数据信号为制动停车意图信号时 。

34、； 中央处理单元不发出触发信号控制省音 信号警示装置 8 进行预警 ； 若中央处理单元 7 分析出人体感应数据信号结果为前方存在行 人且驾驶意图数据信号为加速意图信号， 即驾驶员会误踩加速踏板加速通过时， 中央处理 单元 7 发出触发信号控制声音信号警示装置 8 进行预警， 从而达到驾驶员能够及时做出反 应来保护行人的目的。 0040 以上所述， 仅为本发明较佳的具体实施方式， 但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内， 根据本发明的技术方案及其 发明构思加以等同替换或改变， 都应涵盖在本发明的保护范围之内。 说 明 书 CN 103640532 A 8 1/4 页 9 图 1 说 明 书 附 图 CN 103640532 A 9 2/4 页 10 图 2 说 明 书 附 图 CN 103640532 A 10 3/4 页 11 图 3 说 明 书 附 图 CN 103640532 A 11 4/4 页 12 图 4 说 明 书 附 图 CN 103640532 A 12 。