具体实施方式

下面结合附图及具体实施例对本发明做进一步阐释。

实施例1：

如图1所示，本实施例提供一种自行判断的汽车安全自动刹车系统，包括总控制器、实时影像采集单元、传感器单元、通讯单元以及自动刹车控制单元，总控制器分别与实时影像采集单元、传感器单元、通讯单元以及自动刹车控制单元通信连接，通讯单元通信连接有外部的报警中心和急救中心，传感器单元设置于汽车的动力舱内部；汽车安全自动刹车系统还包括语音播报单元和显示屏，语音播报单元和显示屏均与总控制器通信连接。

实时影像采集单元采集汽车行驶方向的观察影像，并将汽车行驶方向的观察影像发送至总控制器；传感器单元采集汽车的行驶数据，并将汽车的行驶数据发送至总控制器；总控制器对采集的观察影像、行驶数据、行人数据以及距离数据进行处理和分析，并进行自判断；语音播放单元根据自判断结果进行警告工作，给予司机提前预警的信号，留出反应时间；显示屏用于显示观察影像以及警告信号；自动刹车控制单元根据自判断结果控制汽车进行对应的刹车以及熄火工作，并通过通讯单元外部的报警中心和急救中心进行报警和急救呼叫工作；通讯单元为5G无线通讯模块，直接与报警中心和急救中心连接。

作为优选，实时影像采集单元包括设置于汽车的前端的前进摄像头以及设置于汽车的后端的倒车摄像头，前进摄像头和倒车摄像头均与总控制器通信连接；前进摄像头采集汽车前进方向的观察影像，倒车摄像头采集汽车倒车时的观察影像，并将观察影像发送至总控制器进行分析和处理；

传感器单元包括均与总控制器通信连接的车速传感器、碰撞传感器、方向传感器、定位传感器、测距传感器、温度传感器以及烟雾传感器，测距传感器设置于汽车的四侧；车速传感器采集汽车的行驶速度，碰撞传感器检测汽车是否发生碰撞，方向传感器检测汽车的行驶方向，并开启对应方向的摄像头，定位传感器获取当前车辆的位置数据，便于事故发生时进行报警和呼叫急救工作的进行，测距传感器检测汽车四周是否存在障碍物或者行人，温度传感器和烟雾传感器检测汽车的工作性能。

作为优选，自动刹车控制单元包括均与总控制器通信连接的油门屏蔽模块、熄火控制模块、刹车制动模块以及车轮抱死模块，油门屏蔽模块设置于油门控制端，熄火控制模块设置于发动机处，刹车制动模块设置于汽车的动力轴处，车轮抱死模块设置于动力轴的车轮内侧；根据自判断结果，油门屏蔽模块对油门进行屏蔽，阻断油门触发信号，熄火控制模块及时的控制发动机进行熄火，刹车制动模块控制汽车减速甚至刹车，车轮抱死模块将车辆抱死，以上模块均需要手动复位才能关闭其功能，进行正常工作。

本发明提供的系统，实现了汽车与报警中心、急救中心的联动，并且在发生事故时，对油门进行及时的屏蔽，避免司机由于慌乱踩错，自动控制进行刹车，并且对车轮进行抱死，提高了自动刹车系统的功能性。

实施例2：

如图2所示，本实施例在实施例1的基础上，提供一种自行判断的汽车安全自动刹车方法，基于自行判断的汽车安全自动刹车系统，汽车安全自动刹车系统包括总控制器、实时影像采集单元、传感器单元、通讯单元以及自动刹车控制单元，汽车安全自动刹车方法，包括如下步骤：

获取汽车行驶方向的观察影像，并获取汽车的行驶数据；

汽车的行驶数据包括汽车的行驶方向、行驶速度以及碰撞数据；

行人数据包括行人目标的行人类型、行走方向以及行走速度；

行人类型包括老年人、儿童、成年人、青年人、残疾人、盲人、其它动物以及物体；

对观察影像进行识别，得到行人数据和汽车与行人的距离数据，包括如下步骤：

对观察影像进行帧截取，得到连续帧的观察图像；

对当前帧的观察图像进行检测，得到行人目标和汽车与行人的距离数据；

对当前帧的观察图像中的行人目标进行图像识别，得到行人类型和行走方向，包括如下步骤：

获取行人数据集，并对行人数据集进行预处理，得到预处理后行人数据集；

预处理包括对初始行人数据集中每个图像进行的几何变换处理、增加噪声处理、光学变换处理以及归一化处理；

几何变换处理丰富物体在图像中出现的位置和尺度等，从而满足模型的平移不变性和尺度不变性，例如平移、翻转、缩放和裁剪等；光学变换处理增加不同光照和场景下的图像，典型的操作有亮度、对比度、色相与饱和度的随意扰动、通道色域之间的变换；增加噪声处理通过在原始图像中增加一定的扰动，如高斯噪声，可以使模型对可能遇到的噪声具有抗干扰性，从而提升模型的泛化能力；归一化处理图像处理完成后，需要对图像进行裁剪，让图像缩放到固定的尺寸；

基于神经网络建立原始的行人识别模型，将预处理后行人数据集输入原始的行人识别模型进行训练，得到最优的行人识别模型；

行人识别模型为YOLO v5模型，YOLO v5模型的网络结构如图3所示，包括依次连接的输入端、Backbone模块、Neck模块和Prediction模块；

输入端使用Mosaic数据增强方法对输入的预处理后行人数据集进行处理，Mosaic数据增强则采用了4张图片，随机缩放、随机裁剪、随机排布的方式进行拼接；Mosaic增强训练时，可以直接计算4张图片的数据，一个GPU就可以达到比较好的效果；

使用SoftNMS算法对行人目标的预选框进行筛选，得到含有检测框的当前帧的观察图像；采用置信度排名的SoftNMS算法，实现预选框筛选得到检测框的功能，解决了行人遮挡堆叠问题；

对检测框内的行人目标进行图像识别，得到行人目标的行人类型和行走方向；

使用目标跟踪SORT算法对连续帧的观察图像的行人目标进行跟踪，得到行人目标的行走速度；

SORT算法作为一个粗略的框架，核心就是两个算法，包括卡尔曼滤波算法和匈牙利匹配算法，主要任务中是给定一个图像序列，找到图像序列中运动的物体，并将不同帧的运动物体进行识别，也就是给定一个确定准确的id，当然这些物体可以是任意的，如行人、车辆、各种动物等等；

根据行人数据、行驶数据以及距离数据进行自判断，进行对应的警告、刹车、熄火以及外呼工作，包括如下步骤：

根据行人数据和距离数据得到行人通行时间，根据行驶数据和距离数据得到汽车通行时间；

若行人通行时间不小于汽车通行时间，即行人无法安全通过，则发出警告信号；

例如，如图4所示，本实施例中，对当前帧的观察图像中的行人目标进行图像识别，得到行人类型和行走方向，得到当前的行人目标为一位老人和旁边搀扶的成年人，其均以0.1m/s的速度由左至右通过当前斑马线，其速度缓慢，发出警告信号，当前司机反应过来，控制汽车停车等待通行，保护老人安全；

若实时获取的汽车与行人的距离数据小于安全距离，即汽车与行人即将发生碰撞，则进行刹车操作；

若汽车的碰撞数据超过碰撞阈值，即汽车与行人发生碰撞，则控制汽车进行熄火和车轮抱死，并实时获取观察影像进行再识别，根据再识别结果拨打报警电话和急救电话；当发生碰撞后，实时获取观察影像进行再识别，基于神经网络建立事故识别模型，事故识别模型的建立方法与行人识别模型类似，在此不予赘述，检测观察影像中伤者的事故严重程度，若只是一般事故，检测到伤者可以行走，即进行报警，若当前司机无下车行为且伤者无行动，即进行报警和急救呼叫；

在发生碰撞事故的时候，提供了一系列的后续处理手段，抱死功能防止二次碾压，根据伤者的实际情况进行报警和急救呼叫，避免发生二次事故，进一步提高了安全性。

本发明提供的自行判断的汽车安全自动刹车方法，实时采集观察视频，对行人的通行情况进行实时的检测，基于神经网络和图像识别进行实时分析，提高了检测效率和精度，在可能发生碰撞时进行警告，大大的增加了检测的距离和司机的反应时间，提高了自动刹车系统的安全性。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。