【技术实现步骤摘要】
本专利技术涉及车辆控制，特别是一种汽车尾门误触发的检测方法、系统、存储介质及智能汽车。
技术介绍
1、随着汽车电子技术的快速发展，人们对汽车的舒适性和便捷性的要求也越来越高。汽车尾门作为汽车的主要器件，极大的保障汽车的内部安全，安全有效的开启或关闭尾门尤为重要。现有通过脚踢动作开启汽车尾门的方式因其便利性优点，在许多车辆中得到了广泛应用。这项功能通过车辆底部的电容感应器实现，当靠近车辆并在后保险杠下方轻踢一脚时，尾门会自动开启或关闭。这样的设计尤其适用于双手不便时的操作，如购物归来或搬运大件物品时，大大提升了日常使用的便利性。
2、上述实现方式中，现有的具体做法有利用神经网络来判断某一段时间内电容值的变化来判断是否为人为脚踢动作。然而，该方式的缺点在于，对于非目标动作(比如轻微触碰、环境振动等)的区分能力较弱，对误触发的识别率较低，且对不同人的触发操作识别的适应性较差，鲁棒性较差。
3、因此，现有汽车尾门误触发的检测方式对误触发的识别率较低，鲁棒性和适应性较差。
技术实现思路
1、本专利技术实施例要解决的技术问题在于，提供一种汽车尾门误触发的检测方法、系统、存储介质及智能汽车，以解决现有技术中现有汽车尾门误触发的检测方式对误触发的识别率较低，鲁棒性和适应性较差的问题。
2、本专利技术公开了一种汽车尾门误触发的检测方法，汽车尾门上设置有速度传感器和朝向不同的多个电容传感器，所述汽车尾门误触发的检测方法包括：
3、获取每个所述电容传感器在
4、获取多个测试者的脚踢动作对应的空间序列数据；
5、对每组空间序列数据进行标注生成训练数据，通过所述训练数据对卷积神经网络模型进行训练，获取预训练的卷积神经网络模型；
6、当检测到电容信号，根据所述速度传感器当前所获取的速度数据设定时间序列的大小，并存储每一所述电容传感器的电容值数据的变化直到达到时间序列最终的时间点为止，得到待识别时间序列，结合当前速度数据构建待识别空间序列数据，将所述待识别空间序列数据输入到预训练的卷积神经网络模型进行识别，以检测触发电容信号的行为是否为误触发。
7、可选地，所述汽车尾门误触发的检测方法还包括：
8、获取环境的温度数据和湿度数据；
9、根据所述温度数据和湿度数据对所述电容值数据进行去噪操作；
10、将去噪操作后的电容值数据作为时间序列。
11、可选地，所述根据所述温度数据和湿度数据对所述电容值数据进行去噪操作，包括以下步骤：
12、判断所述温度数据和所述湿度数据是否异常；
13、若所述温度数据或所述湿度数据存在异常，计算所获取的电容值数据与预设基准值的差值作为去噪后的电容值数据。
14、可选地，所述对每组空间序列数据进行标注生成训练数据，包括以下步骤：
15、根据每组空间序列数据对应的实际触发情况进行标注；
16、将多组空间序列数据进行合并，组成三维数组作为训练数据，所述三维数组的第一维表示不同测试者的脚扫过的过程，第二维表示不同的时间点，第三维为电容值数据、速度数据和加速度数据。
17、可选地，所述卷积神经网络模型通过以下步骤建立：
18、搭建卷积神经网络；
19、对所述卷积神经网络进行第一次卷积得到第一张量，第一卷积核的尺寸为64*64，第一卷积核的个数为32个，所述第一次卷积的激活函数为relu函数；
20、对所述第一张量进行第一次池化得到对应的第二张量，第一池化核的尺寸为8*8，所述第一次池化的步长为2，所述第一次池化的激活函数为relu函数；
21、对所示第二张量进行第二次卷积得到对应的第三张量，第二次卷积核的尺寸为64*64，第二次卷积核的个数为16个，所述第二次卷积的激活函数为relu函数；
22、对所述第三张量进行第二次池化对应的到第四张量，第二池化核的尺寸为8*8，所述第二次池化的步长为2，所述第二次池化的激活函数为relu函数；
23、对所述第四张量进行第一次全连接得到对应的第五张量，第一全连接层的节点为32个，所述第一次全连接的激活函数为relu函数，所述第五张量的尺寸为1*32；
24、对所述第五张量进行第二次全连接得到对应的第六张量，所述第二全连接的激活函数为sigmoid函数，所述第六张量的尺寸为1*2，所述第六张量中的两个元素分别表示误触发和未误触发所对应的概率，得到卷积神经网络模型。
25、可选地，所述relu函数的公式为：
26、relu(x)＝max(0,x)
27、所述sigmoid函数的公式为：
28、
29、所述卷积神经网络的损失函数的公式为：
30、
31、其中，x为输入值，y为真实值。
32、可选地，所述汽车尾门误触发的检测方法还包括以下步骤：
33、将所述电容传感器的感应模式设置为混合模式，所述电容传感器根据所述混合模式对应的转换公式获取数字计数值作为电容值数据，所述混合模式包括互容模式和自容模式；
34、所述自容模式对应的转换公式如下：
35、
36、所述互容模式对应的转换公式如下：
37、
38、其中，
39、maxcount＝nsub*txclkdiv
40、cs＝cp+cf
41、maxcount为电容值转换为数字计数值的最大数，nsub为子转换次数，txclkdiv为tx时钟分频率，snsclkdiv为感应时钟分频率，cs为感应电容，cref为参考电容，cp为寄生电容，cf为人脚电容；ccomp为补偿电容，compclkdiv为补偿时钟分频率。
42、本专利技术还公开了一种汽车尾门误触发的检测系统，所述汽车尾门上设置有速度传感器和朝向不同的多个电容传感器，所述汽车尾门误触发的检测系统包括：
43、转换模块，用于获取每个所述电容传感器在测试者的脚踢动作过程中多个时间点的电容值数据，作为时间序列，并结合所述速度传感器在多个时间点所采集的速度数据构建一组空间序列数据，其中，所述时间序列的大小根据所述的速度数据进行设置；
44、获取模块，用于获取多个测试者的脚踢动作对应的空间序列数据；
45、训练模块，用于对每组空间序列数据进行标注生成训练数据，通过所述训练数据对卷积神经网络模型进行训练，获取预训练的卷积神经网络模型；
46、检测模块，用于当检测到电容信号，根据所述速度传感器当前所获取的速度数据设定时间序列的大小，并存储每一所述电容传感器的电容值数据的变化直到达到时间序列最终的本文档来自技高网...
【技术保护点】
1.一种汽车尾门误触发的检测方法，其特征在于，所述汽车尾门上设置有速度传感器和朝向不同的多个电容传感器，所述汽车尾门误触发的检测方法包括：
2.根据权利要求1所述的汽车尾门误触发的检测方法，其特征在于，所述汽车尾门误触发的检测方法还包括：
3.根据权利要求2所述的汽车尾门误触发的检测方法，其特征在于，所述根据所述温度数据和湿度数据对所述电容值数据进行去噪操作，包括以下步骤：
4.根据权利要求1所述的汽车尾门误触发的检测方法，其特征在于，所述对每组空间序列数据进行标注生成训练数据，包括以下步骤：
5.根据权利要求1-4任一项所述的汽车尾门误触发的检测方法，其特征在于，所述卷积神经网络模型通过以下步骤建立：
6.根据权利要求5所述的汽车尾门误触发的检测方法，其特征在于，所述ReLU函数的公式为：
7.根据权利要求1-4任一项所述的汽车尾门误触发的检测方法，其特征在于，所述汽车尾门误触发的检测方法还包括以下步骤：
8.一种汽车尾门误触发的检测系统，其特征在于，所述汽车尾门上设置有速度传感器和朝向不同的多
9.一种智能汽车，其特征在于，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，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种汽车尾门误触发的检测方法，其特征在于，所述汽车尾门上设置有速度传感器和朝向不同的多个电容传感器，所述汽车尾门误触发的检测方法包括：
2.根据权利要求1所述的汽车尾门误触发的检测方法，其特征在于，所述汽车尾门误触发的检测方法还包括：
3.根据权利要求2所述的汽车尾门误触发的检测方法，其特征在于，所述根据所述温度数据和湿度数据对所述电容值数据进行去噪操作，包括以下步骤：
4.根据权利要求1所述的汽车尾门误触发的检测方法，其特征在于，所述对每组空间序列数据进行标注生成训练数据，包括以下步骤：
5.根据权利要求1-4任一项所述的汽车尾门误触发的检测方法，其特征在于，所述卷积神经网络模型通过以下步骤建立：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：汪永祥，向稳燃，杨九如，夏立闯，
申请(专利权)人：深圳市麦积电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。