26、多模态传感助力分心驾驶缓解

多模态传感助力分心驾驶缓解

1 图像分割与特征分析

图像分割方法具有较高的数据并行性。通过分割特征的长宽比以及其高斯分布与训练高斯分布的距离，可以区分人类、道路和广告。对通过高斯混合模型（GMM）算法分割的图像应用矩的概念，能够确定道路的几何形状（高曲率或低曲率）。分割图像的归一化二阶矩描述了物体的方向，二阶矩可以使用在像素块上执行的硬件协处理器并行计算。道路的方向可用于确定其曲率，同样，驾驶员的方向可用于判断是否存在分心或酒驾驾驶的情况。分割和方向计算作为内置在现场可编程门阵列（FPGA）结构中的硬件协处理器实现。将所提出的算法迁移到 FPGA 结构中，可减少必须通过蜂窝模型传输的数据量，降低处理延迟，并缓解在后端存储图像数据时的隐私问题。

1.1 具体步骤

1. 使用 GMM 算法对图像进行分割。
2. 计算分割特征的长宽比和高斯分布与训练高斯分布的距离，区分不同物体。
3. 对分割图像应用矩的概念，计算归一化二阶矩，确定物体方向。
4. 将分割和方向计算的算法迁移到 FPGA 结构中。

1.2 流程图

graph TD;
    A[图像输入] --> B[GMM 算法分割图像];
    B --> C[计算长宽比和高斯距离];
    C --> D[区分物体];
    B --> E[应用矩的概念];
    E --> F[计算归一化二阶矩];
    F --> G[确定物体方向];
    B --> H[迁移算法到 FPGA];
<