(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211136309.4 (22)申请日 2022.09.19 (71)申请人 厦门理工学院 地址 361024 福建省厦门市集美区理工路 600号 (72)发明人 韩勇　李燕婷　林旭洁　孟昕　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 VRU检测模型训练方法、 VRU检测方法及计算 机设备 (57)摘要 本发明涉及一种VRU检测模型训练方法， 首 先获取至少包括行人、 二轮车、 三轮车中的一种 的样本道路场景图像， 并对样 本道路场景图像中 的VRU位置进行参数标注， 通过以样本道路场景 图像为输入， 以参数标注为标签， 对VRU检测模型 进行训练， 得到了训练好的VRU检测模型。 由于本 申请对与VRU的参数标注不仅限于位置的参数标 注， 还可以对VRU的分类信息以及人体关键点进 行参数标注， 因此， 能够更加精确快速的检测出 VRU的状态， 以避免VRU受到伤害。 权利要求书1页 说明书5页 附图3页 CN 115471815 A 2022.12.13 CN 115471815 A 1.一种VRU检测模型训练方法， 其特 征在于， 包括： 获取样本道路场景图像， 所述样本道路场景图像包含V RU， 所述V RU至少包括行人、 二轮 车、 三轮车中的一种； 对所述样本道路场景图像中的VRU 进行参数 标注； 所述 参数至少包括VRU的位置； 以所述样本道路场景图像为输入， 以所述参数标注为标签， 对所述VRU检测模型进行训 练， 得到训练好的VRU检测模型。 2.根据权利要求1所述的VRU检测模型训练方法， 其特征在于， 所述VRU检测模型为 VRUDet模型。 3.根据权利要求1所述的VRU检测模型训练方法， 其特征在于， 所述参数还包括： 所述 VRU的分类信息以及人体关键点。 4.一种VRU检测方法， 其特 征在于， 包括： 获取驾驶员的视 觉盲区场景图像； 将所述视觉盲区场景图像输入到权利要求1或2训练好的VRU检测模型中， 确定所述视 觉盲区场景图像中VRU的参数信息； 所述VRU至少 包括行人、 二轮车、 三轮车中的一种； 所述 参数信息 至少包括 位置信息， 所述 位置信息用于确定车辆的动作决策， 以保障VRU安全。 5.根据权利要求4所述的VRU检测方法， 其特征在于， 所述视觉盲区场景图像由车载摄 像头采集； 所述检测方法在获取驾驶员的视 觉盲区场景图像之前， 还 包括： 获取车辆方向盘的转动角度； 根据所述 转动角度， 控制所述车 载摄像头跟随所述车辆方向盘的运动。 6.根据权利要求5所述的VRU检测方法， 其特征在于， 在所述获取车辆方向盘的转动角 度之前， 还 包括： 获取车辆启停状态信息， 并在车辆为启动状态时， 执行获取车辆方向盘的转动角度步 骤。 7.根据权利 要求4所述的VRU检测方法， 其特征在于， 确定所述视觉盲区场景图像中VRU 的参数信息之后， 还 包括： 根据所述VRU的位置信息， 确定车辆与所述VRU的距离； 根据所述距离， 确定 碰撞时间； 根据所述碰撞时间， 触发自动刹车辅助系统。 8.根据权利要求4所述的VRU检测方法， 其特征在于， 在将所述视觉盲区场景图像输入 到权利要求1或2训练好的VRU检测模型之前， 还 包括： 确定输入图像接口、 加载模型 结构接口以及输出神经网络推理结果接口。 9.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器存 储有计算机程序， 所述计算机程序被所述处理器执行时， 实现权利要求4 ‑8任一项所述的方 法。 10.根据权利要求9所述的计算机设备， 其特征在于， 所述存储器还用于存储VRU检测模 型。权　利　要　求　书 1/1 页 2 CN 115471815 A 2VRU检测模型训练方 法、 VRU检测方 法及计算机设 备 技术领域 [0001]本发明涉及驾驶辅助系统领域， 特别是涉及一种VRU检测模型训练方法、 VRU检测 方法及计算机设备。 背景技术 [0002]目前， 全球约有135万人死于道路交通事故， 超过一半的事故死亡者为弱势道路使 用群体， 可见对于道路弱势群体(VRU)的保护十分重要， 而其中VRU穿行的场景是交通死亡 比例最高的一种场景， 这其中又属骑二轮车/自行车者的比例更高， 由于VRU在穿行时， 极易 处在汽车内的驾驶员的视线盲区， 因此很容易引发交通事故。 故如何对车辆盲区进行快速 准确地探测是解决车辆盲区碰撞问题的一个热点。 发明内容 [0003]本发明的目的是提供一种快速准确地VRU检测模型训练方法、 VRU检测方法及 计算 机设备。 [0004]为实现上述目的， 本申请提供了如下 方案： [0005]一种VRU检测模型训练方法， 包括： [0006]获取样本道路场景图像， 所述样本道路场景图像包含VRU， 所述VRU至少包括行人、 二轮车、 三轮车中的一种； [0007]对所述样本道路场景图像中的VRU 进行参数 标注； 所述 参数至少包括VRU的位置； [0008]以所述样本道 路场景图像为输入， 以所述参数标注为标签， 对所述VRU检测模型进 行训练， 得到训练好的VRU检测模型。 [0009]可选的， 所述VRU检测模型为VRUDet模型。 [0010]可选的， 所述 参数还包括： 所述VRU的分类信息以及人体关键点。 [0011]本申请还提供了一种VRU检测方法， 包括： [0012]获取驾驶员的视 觉盲区场景图像； [0013]将所述视觉盲区场景图像输入到所述训练好的VRU检测模型中， 确定所述视觉盲 区场景图像中VRU的参数信息； 所述VRU至少 包括行人、 二轮车、 三轮车中的一种； 所述参数 信息至少包括 位置信息， 所述 位置信息用于确定车辆的动作决策， 以保障VRU安全。 [0014]可选的， 所述视觉盲区场景图像由车载摄像头采集； 所述检测方法在获取驾驶员 的视觉盲区场景图像之前， 还 包括： [0015]获取车辆方向盘的转动角度； [0016]根据所述 转动角度， 控制所述车 载摄像头跟随所述车辆方向盘的运动。 [0017]可选的， 在所述获取 车辆方向盘的转动角度之前， 还 包括： [0018]获取车辆启停状态信息， 并在车辆为启动状态时， 执行获取车辆方向盘的转动角 度步骤。 [0019]可选的， 确定所述视 觉盲区场景图像中VRU的参数信息之后， 还 包括：说　明　书 1/5 页 3 CN 115471815 A 3