本发明属于车路协同
技术领域：
，尤其是涉及一种基于专用短程通信的动态识别算法评价方法。
背景技术：
：专用短程通信式近年来交通科学发展的前沿方向，其建设目的在于城市缓解交通压力，加强出行安全，为未来无人驾驶技术提供支持，该系统依靠车载、路侧传感设施感知车辆、道路的状态信息，通过车路无线通信技术协同规划与数据交流。行人识别算法的开发过程中，搭建室内系统进行仿真实验是促进开发的重要途径，目前国内外的室内测试大部分为限于HIL(硬件在环)，缺乏一个完整的测试流程方案、通信拓扑等设计方案。同时现有测试技术中的路侧设备及车载单元大部分为室外安装结构，测试实验时所需的外部条件复杂，使用数量多且不易操作，不适用于实时调试，尤其是短程通信时极易影响测试，不能保证条件一致性。技术实现要素：有鉴于此，本发明旨在提出一种基于专用短程通信的动态识别算法评价方法，以解决上述背景中提到的问题。为达到上述目的，本发明的技术方案是这样实现的：一种基于专用短程通信的动态识别算法评价方法，具体包括如下步骤(1)以台架柜台为参考系，将行人检测或车辆检测简化为相对地平面的平面运动，建立运动路径函数；(2)通过回放视频方式进行室内测试，利用待检测的动态识别算法判断是否有行人通过路口；(3)对运行的动态识别算法识别效果进行评价。进一步的，所述台架具体包括柜台、展示架、底轮、支架，所述展示架下端与柜台台面焊接，所述底轮与所述台架柜台底部铰接，所述支架设置在柜台侧面并与柜台连接，所述支架由铝杆组成，其中横向铝杆用于支撑台架的展示架，纵向铝杆与台架的柜台刚性连接；所述展示架上设有信号灯、摄像头、显示屏、专用短程通信设备RSU、控制器、接口转换器、交换机，所述专用短程通信设备RSU与车载OBU实现数据交换；所述专用短程通信设备RSU还通过接口转换器连接控制器，所述控制器连接信号灯以及显示屏；所述专用短程通信设备RSU还通过交换机连接摄像头以及后台处理终端。进一步的，所述步骤(1)中，以柜台与地面的某个接触点O为极点，以柜台正视图中横向与地面接触的水平线为极轴建立二维极坐标系，记所述摄像头图像采集范围记为Range，起点位置Ai与终点位置Bi随测试次数改变，向量形式记为OAi，OBi，其中i为测试次数，OAi，OBi∈Range，则动点从起点位置Ai到终点位置Bi运动学方程记为：ri＝r(ti)，θi＝θ(ti)，其中ri为极径，θi为极角，记横向速度为纵向速度因此动点速度径向加速度横向加速度加速度的数值大小进一步的，所述步骤(2)具体包括(21)录制行人过街场景视频，行人按照所述运动路径函数运动；(22)在摄像头检测范围内通过一台媒体播放器播放视频；(23)台架摄像头通过网线将新捕捉的视频画面实时传送给后台处理终端，后台处理终端运行所述待检测的动态识别算法判断是否是有行人通过路口。进一步的，录制行人过街场景视频时分为简单、中等、复杂三个等级，简单等级描述为只有行人依次过街，具体可以设置为场景1：行人数量少(1-10)、场景2：数量中等(11-20)、场景3：行人数量多(21-40)三组；中等等级描述为在录制视频场景中，包括行人和车辆，具体分为三个场景，场景4：车辆多行人少、场景5：车辆少行人多、场景6：车辆多行人多三个等级，在场景4-6中，行人仍依次走过路口；复杂等级包括行人和车辆，但行人不以依次走过的方式出现，而是三五成群，骑车或者肩并肩走，模仿实际路口的情况，具体分为下述三个场景，场景7：行人骑车、场景8：行人肩并肩走场景和场景9：行人三五成群场景，同时会有中等数量的车辆共同存在，行人按照所述运动路径函数运动。进一步的，所述步骤(3)中评价方法包括实时性评价方法、可靠性评价方法、稳健性评价方法以及整体评价方法。进一步的，所述实时性评价方法具体包括在所述后台处理终端运行动态识别算法，记录检测耗时Ti，对所述加速度值ai和所述速度vi进行线性归一化操作，去掉量纲并根据以下逻辑作为评价标准以检测动态识别算法优良程度，其中测检测时间T的单位为秒，简记为s，总共进行n次测试，计算效率γ，计算公式如下：当γ<1.5，则当γ≥1.5，则进一步的，所述可靠性评价方法包括对9个场景进多组重复实验，每组实验分别设置行人车辆以不同的路径移动，由于各个场景复杂程度不同，所以对每个场景的准确率设置权重，权重判断的具体实施方法为：(1)选择若干数量的专家根据九个场景对于动态识别算法测试结果的重要性进行打分，采用十分制打分法；(2)设置评价目标体系E＝{e1,e2,e3,e4,e5,e6,e7,e8,e9}，专家人数为m，专家k对评价目标体系所打出的分数为Sk＝{sk1,sk2,sk3,sk4,sk5,sk6,sk7,sk8,sk9},定义ei(1≤i≤9)的有效系数为ρi其中代表专家对ei评分的平均值设置权数集ω＝{ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9},其中ωi∈[0,1]；对ρi进行归一化处理，定义其中P为上述评价目标体系的有效系数的总和对以上多组场景分别进行检测，分别检测n组，在所述后台处理终端运行动态识别算法，各个场景的准确率计算公式为其中p代表动态识别算法的准确率，res代表动态识别算法检测出的行人个数，sum代表视频中的总人数；设置可靠度为β，定义计算公式如下：经过整理，得其中ωj代表各个场景的权重；pji代表第j个场景第i次检测的准确率，则准确率与动态识别算法可靠性等级关系如下：进一步的，所述稳健性评价方法包括在所述后台处理终端运行动态识别算法，记录各个场景的每个实验所测得的准确率pji，分别设置四个稳健率：r1、r2、r3，其中r1代表准确率为97％左右稳健性，r2代表准确率为92％左右稳健性，r3代表准确率为85％左右稳健性,计算公式如下：比较r1、r2、r3的大小，选择最小的一个结果，(1)若r1最小，且小于等于5，说明动态识别算法在准确率为97％左右稳健性最好，检测结果为优；(2)若r2最小，且小于等于5，说明动态识别算法在准确率为92％左右稳健，检测结果为良；(3)若r3最小，且小于等于5，说明动态识别算法在准确率为85％左右稳健，检测结果为差；(4)若r1、r2、r3中任何一个都大于5，则动态识别算法稳健性不合格，检测失败。相对于现有技术，本发明所述的一种基于专用短程通信的动态识别算法评价方法具有以下优势：(1)本发明所述的台架装配零件使用数量少，设备安装位置灵活，便于移动和布线，利用专用短程通信设备RSU实现与车载OBU的数据交换，实现模拟各种试验场景，方便试验；(2)本发明利用多个指标对动态识别算法进行评价，数据准确、效率高，方法简单，实用性强。附图说明构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1为本发明实施例所述的台架的主视图；图2为本发明实施例所述的台架的侧视图；图3为本发明实施例所述的台架的设备安装位置示意图；图4为本发明实施例所述的台架的原理框图；图5为本发明实施例所述的室内算法验证系统测试流程；图6为本发明实施例所述的室内算法验证系统各性能评价流程图。附图标记说明：1-柜台；2-展示架；3-底轮；4-支架；5-锁紧装置；6-转动合页。具体实施方式需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。下面将参考附图并结合实施例来详细说明本发明。如图1-6所示，本发明提供一种基于专用短程通信的动态识别算法评价方法，具体包括如下步骤：(1)以台架柜台为参考系，将行人检测或车辆检测简化为相对地平面的平面运动，建立运动路径函数；(2)通过回放视频方式进行室内测试，利用待检测的动态识别算法判断是否有行人通过路口；(3)对运行的动态识别算法识别效果进行评价。其中，台架包含有柜台1、展示架2、底轮3、支架4，以及固定件，柜台1为木质台面配备柜橱，柜橱为不锈钢板四周折弯制成，安装防变形的角块，为半包围结构，前部配有柜门。台架柜台1柜门两侧面封堵，后面不封堵，封堵部分的面和型材上表面水平以方便拿取物品。展示架2下端与台架柜台1台面焊接，上端焊接在台架后支架上，展示架2与台架台面夹角为95°，台架展示架2具体为一块铝制网孔板，所述网孔板由打孔机在铝板板面规则均匀打孔制成，小孔对齐排列，孔径为Φ6，孔距12mm，用于安装设备；安装设备时，只需要将设备螺丝孔对准网孔板正面的上的孔，正面加装螺丝，背面加螺母和垫片，即可顺利牢固连接；若待安装设备无螺丝孔，可使用扎带带身缠绕设备，两头穿过网孔板勒紧固定。支架4由铝杆组成，其中横向铝杆为所述台架展示架2的支撑架、纵向铝杆与台架柜台1刚性连接，铝杆均配有凹槽，可方便埋入架上安装的设备线材。台架底轮3与所述台架柜台1底部铰接，用于支撑所述台架平台，同时方便实现台架移动；所述台架底轮3为万向轮，共四只，轮子配有制动片，实现台架固定。固定件用于连接安装台架柜台1柜门，包括锁紧装置5、转动合页6等。展示架2上设有信号灯、摄像头、显示屏、专用短程通信设备RSU、控制器、接口转换器、交换机，专用短程通信设备包括RSU(RoadSideUnit)；所述RSU具体指采用专用短程通信技术的路侧设备，采用专用短程通信技术车载设备，实现专用短程通信设备RSU与车载OBU的数据交换。显示屏可以显示道路信息。控制器为单片机控制卡，用于控制信号灯配时和相位以及显示屏显示。接口转换器具体为串口服务器MODBUS，用于RS485/422/232转以太网络，实现信号灯控制器与专用短程通信设备RSU连接通信；信号灯为单色低压红绿黄三色信号灯，符合国标，能够达到真实信号灯展示效果。交换机具体为4路POE交换机，支持POE供电，用于连接所述后台处理设备、摄像头、专用短程通信设备RSU。摄像头为枪型网络摄像头，用于采集图像，并通过网线将图像传输到后台处理终端进行处理。检测过程具体包括如下：步骤一、建立运动路径函数；以所述台架柜台作为相对参考系，将行人检测或车辆检测简化为相对地平面的平面运动，因此以柜台与地面的某个接触点O为极点，以柜台正视图中横向与地面接触的水平线为极轴建立二维极坐标系，记所述摄像头图像采集范围记为Range，起点位置Ai与终点位置Bi随测试次数改变，向量形式记为OAi，OBi，其中i为测试次数，OAi，OBi∈Range，则动点从起点位置Ai到终点位置Bi运动学方程记为：ri＝r(ti)，θi＝θ(ti)，其中ri为极径，θi为极角，记横向速度为纵向速度因此动点速度径向加速度横向加速度加速度的数值大小步骤二、录制行人过街场景视频，行人按照所述运动路径函数运动：录制行人过街场景视频时分为简单、中等、复杂三个等级，简单等级描述为只有行人依次过街，具体可以设置为场景1：行人数量少(1-10)、场景2：数量中等(11-20)、场景3：行人数量多(21-40)三组；中等等级描述为在录制视频场景中，包括行人和车辆，具体分为三个场景，场景4：车辆多行人少、场景5：车辆少行人多、场景6：车辆多行人多三个等级，在场景4-6中，行人仍依次走过路口；复杂等级包括行人和车辆，但行人不以依次走过的方式出现，而是三五成群，骑车或者肩并肩走，模仿实际路口的情况，具体分为下述三个场景，场景7：行人骑车、场景8：行人肩并肩走场景和场景9：行人三五成群场景，同时会有中等数量的车辆共同存在。行人按照所述运动路径函数运动。步骤三、台架前方回放视频：在所述的摄像头检测范围内播放视频，播放视频方式是放置一台媒体播放器实现。步骤四：后台处理终端运算：所述台架摄像头通过网线将新捕捉的视频画面实时传送给所述后台处理终端，所述的后台处理终端运行所述待检测的动态识别算法判断是否是有行人通过路口。步骤五、行人识别算法各性能评价(1)算法检测实时性评价在所述后台处理终端运行动态识别算法，记录检测耗时Ti。对所述加速度值ai和所述速度vi进行线性归一化操作，去掉量纲并根据以下逻辑作为评价标准以检测动态识别算法优良程度，其中测检测时间T的单位为秒，简记为s，总共进行n次测试，计算效率γ，计算公式如下：则算法检测实时性评价结果如表1所示表1(2)算法检测可靠性评价对上述9个场景进多组重复实验，注意每组实验分别设置行人车辆以不同的路径移动，增添测试样本的多样性。由于各个场景复杂程度不同，所以对每个场景的准确率设置权重。权重判断的具体实施方法为：(1)选择若干数量的专家根据九个场景对于动态识别算法测试结果的重要性进行打分，采用十分制打分法。(2)设置评价目标体系E＝{e1,e2,e3,e4,e5,e6,e7,e8,e9}，专家人数为m，专家k对评价目标体系所打出的分数为Sk＝{sk1,sk2,sk3,sk4,sk5,sk6,sk7,sk8,sk9},定义ei(1≤i≤9)的有效系数为ρi其中sl代表专家对ei评分的平均值设置权数集ω＝{ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9},其中ωi∈[0,1]；对ρi进行归一化处理，定义其中P为上述评价目标体系的有效系数的总和对以上多组场景分别进行检测，分别检测n组，在所述后台处理终端运行动态识别算法，各个场景的准确率计算公式为其中p代表动态识别算法的准确率，res代表动态识别算法检测出的行人个数，sum代表视频中的总人数；设置可靠度为β，定义计算公式如下：经过整理，得其中ωj代表各个场景的权重；pji代表第j个场景第i次检测的准确率，，则准确率与动态识别算法可靠性等级关系如表2所示表2准确率动态识别算法可靠性等级β＞95％优90％＜β≤95％良80％＜β≤90％差β≤80％检测失败(3)算法检测稳健性评价在所述后台处理终端运行动态识别算法，记录各个场景的每个实验所测得的准确率pji，分别设置四个稳健率：r1、r2、r3，其中r1代表准确率为97％左右稳健性，r2代表准确率为92％左右稳健性，r3代表准确率为85％左右稳健性,计算公式如下：比较r1、r2、r3的大小，选择最小的一个结果(1)若r1最小，且小于等于5，说明动态识别算法在准确率为97％左右稳健性最好，检测结果为优；(2)若r2最小，且小于等于5，说明动态识别算法在准确率为92％左右稳健，检测结果为良；(3)若r3最小，且小于等于5，说明动态识别算法在准确率为85％左右稳健，检测结果为差；(4)若r1、r2、r3中任何一个都大于5，则动态识别算法稳健性不合格，检测失败。步骤六、动态识别算法整体效果评价结合上述对动态识别算法的实时性评价、可靠性评价和稳健性评价，对动态识别算法整体效果进行评价：动态识别检测整体效果评价表如表3所示，三个指标等级结果(不分前后)测试整体效果等级优、优、优优优、优、良优优、优、差良优、良、良良优、良、差差良、良、良差良、良、差检测失败良、差、差检测失败差、差、差检测失败以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3