本技術(shù)涉及車輛智能駕駛，尤其涉及一種限制車輛感知性能的因素識(shí)別方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著智能駕駛技術(shù)的快速發(fā)展，感知系統(tǒng)的性能成為影響車輛安全性的關(guān)鍵因素。

2、感知系統(tǒng)在不同駕駛場(chǎng)景下的性能表現(xiàn)受到多種因素的影響，如交通密度、天氣條件和遮擋物等因素。

3、而現(xiàn)有方案通?；诂F(xiàn)有測(cè)試場(chǎng)景的風(fēng)險(xiǎn)因素事件進(jìn)行評(píng)價(jià)，并未針對(duì)影響車輛感知功能的風(fēng)險(xiǎn)因素進(jìn)行挖掘更新，因此難以對(duì)影響車輛感知系統(tǒng)的因素進(jìn)行全面和準(zhǔn)確地識(shí)別。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供限制車輛感知性能的因素識(shí)別方法、裝置及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有方案難以對(duì)影響車輛感知系統(tǒng)的因素進(jìn)行全面和準(zhǔn)確地識(shí)別的缺陷。

2、第一方面，本技術(shù)實(shí)施例提供一種限制車輛感知性能的因素識(shí)別方法，包括：

3、針對(duì)車輛感知系統(tǒng)的任意一個(gè)感知目標(biāo)構(gòu)建因素分析網(wǎng)絡(luò)模型，所述因素分析網(wǎng)絡(luò)模型中包括多個(gè)節(jié)點(diǎn)和多個(gè)有向邊，每個(gè)所述有向邊連接兩個(gè)所述節(jié)點(diǎn)，兩個(gè)所述節(jié)點(diǎn)包括父節(jié)點(diǎn)和子節(jié)點(diǎn)，所述有向邊從所述父節(jié)點(diǎn)指向所述子節(jié)點(diǎn)，所述多個(gè)節(jié)點(diǎn)包括：影響所述感知目標(biāo)的因素節(jié)點(diǎn)、所述感知目標(biāo)對(duì)應(yīng)的性能限制節(jié)點(diǎn)，所述性能限制節(jié)點(diǎn)用于指示所述感知目標(biāo)的假陰性率或假陽(yáng)性率；

4、獲取針對(duì)所述因素分析網(wǎng)絡(luò)模型的訓(xùn)練樣本集，所述訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本中包括所述因素分析網(wǎng)絡(luò)模型中的各所述節(jié)點(diǎn)的狀態(tài)；

5、從所述訓(xùn)練樣本集中統(tǒng)計(jì)所述因素分析網(wǎng)絡(luò)模型的條件概率表，所述條件概率表中包括在所述子節(jié)點(diǎn)的父節(jié)點(diǎn)處于第一狀態(tài)時(shí)所述子節(jié)點(diǎn)處于第二狀態(tài)的概率；

6、確定所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)，在所述訓(xùn)練樣本集中的真實(shí)同時(shí)出現(xiàn)次數(shù)，作為觀測(cè)頻數(shù)，以及，確定所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的期望同時(shí)出現(xiàn)次數(shù)，作為期望頻數(shù)，并根據(jù)多個(gè)所述觀測(cè)頻數(shù)和多個(gè)所述期望頻數(shù)計(jì)算卡方統(tǒng)計(jì)量；

7、根據(jù)所述卡方統(tǒng)計(jì)量更新所述因素分析網(wǎng)絡(luò)模型和所述條件概率表，直至所述因素分析網(wǎng)絡(luò)模型穩(wěn)定，以從穩(wěn)定的所述因素分析網(wǎng)絡(luò)模型中提取因素節(jié)點(diǎn)，作為限制所述車輛感知系統(tǒng)對(duì)所述感知目標(biāo)的因素，并根據(jù)所述條件概率表中的各個(gè)條件概率，計(jì)算所述車輛感知系統(tǒng)在各所述因素節(jié)點(diǎn)的不同狀態(tài)下對(duì)所述感知目標(biāo)的假陽(yáng)性率、或假陰性率。

8、在一種可能的實(shí)施方式中，所述確定所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的期望同時(shí)出現(xiàn)次數(shù)，包括：

9、統(tǒng)計(jì)所述因素節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)；

10、統(tǒng)計(jì)所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)；

11、根據(jù)所述因素節(jié)點(diǎn)的任意狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)、所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)、以及所述訓(xùn)練樣本集中的訓(xùn)練樣本數(shù)量，計(jì)算得到所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的期望同時(shí)出現(xiàn)次數(shù)，所述期望同時(shí)出現(xiàn)次數(shù)正相關(guān)于所述因素節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)、所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的出現(xiàn)次數(shù)，所述期望同時(shí)出現(xiàn)次數(shù)負(fù)相關(guān)于所述訓(xùn)練樣本數(shù)量。

12、在一種可能的實(shí)施方式中，所述根據(jù)多個(gè)所述觀測(cè)頻數(shù)和多個(gè)所述期望頻數(shù)計(jì)算卡方統(tǒng)計(jì)量，包括：

13、通過以下公式計(jì)算得到所述卡方統(tǒng)計(jì)量：

14、

15、其中，x2為卡方統(tǒng)計(jì)量，oij是一個(gè)所述因素節(jié)點(diǎn)的第i個(gè)狀態(tài)和所述性能限制節(jié)點(diǎn)的第j個(gè)狀態(tài)聯(lián)合對(duì)應(yīng)的觀察頻數(shù)，eij是一個(gè)所述因素節(jié)點(diǎn)的第i個(gè)狀態(tài)和所述性能限制節(jié)點(diǎn)的第j個(gè)狀態(tài)聯(lián)合對(duì)應(yīng)的期望頻數(shù)，r是一個(gè)所述因素節(jié)點(diǎn)的狀態(tài)數(shù)量，c是所述性能限制節(jié)點(diǎn)的狀態(tài)數(shù)量。

16、在一種可能的實(shí)施方式中，所述根據(jù)所述卡方統(tǒng)計(jì)量更新所述因素分析網(wǎng)絡(luò)模型和所述條件概率表，包括：

17、從映射表中查找所述卡方統(tǒng)計(jì)量對(duì)應(yīng)的檢驗(yàn)結(jié)果參數(shù)，并根據(jù)所述檢驗(yàn)結(jié)果參數(shù)從兩個(gè)互斥的假設(shè)中確定目標(biāo)假設(shè)；

18、若所述目標(biāo)假設(shè)指示所述因素節(jié)點(diǎn)和所述性能限制節(jié)點(diǎn)之間不存在關(guān)聯(lián)關(guān)系，則從所述因素分析網(wǎng)絡(luò)模型中刪除所述因素節(jié)點(diǎn)、所述因素節(jié)點(diǎn)連接的有向邊，并從所述條件概率表中刪除所述因素節(jié)點(diǎn)相關(guān)的條件概率。

19、在一種可能的實(shí)施方式中，從穩(wěn)定的所述因素分析網(wǎng)絡(luò)模型中提取因素節(jié)點(diǎn)，作為限制所述車輛感知系統(tǒng)對(duì)所述感知目標(biāo)的因素，包括：

20、通過所述因素分析網(wǎng)絡(luò)模型對(duì)驗(yàn)證樣本集進(jìn)行驗(yàn)證，得到驗(yàn)證結(jié)果，所述驗(yàn)證結(jié)果包括：所述驗(yàn)證樣本集中被正確預(yù)測(cè)為正類的第一樣本數(shù)量、所述驗(yàn)證樣本集中被正確預(yù)測(cè)為負(fù)類的第二樣本數(shù)量、所述驗(yàn)證樣本集中被錯(cuò)誤預(yù)測(cè)為正類的第三樣本數(shù)量、所述驗(yàn)證樣本集中被錯(cuò)誤預(yù)測(cè)為負(fù)類的第四樣本數(shù)量，當(dāng)所述性能限制節(jié)點(diǎn)用于指示所述感知目標(biāo)的假陰性率時(shí)，所述正類為假陰性，所述負(fù)類為非假陰性，當(dāng)所述性能限制節(jié)點(diǎn)用于指示所述感知目標(biāo)的假陽(yáng)性率時(shí)，所述正類為假陽(yáng)性，所述負(fù)類為非假陽(yáng)性；

21、根據(jù)所述驗(yàn)證結(jié)果確定所述因素分析網(wǎng)絡(luò)模型的準(zhǔn)確率和/或召回率，所述準(zhǔn)確率正相關(guān)于所述第一樣本數(shù)量和所述第二樣本數(shù)量之和，所述準(zhǔn)確率負(fù)相關(guān)于所述第一樣本數(shù)量、所述第二樣本數(shù)量、所述第三樣本數(shù)量和所述第四樣本數(shù)量之和，所述召回率正相關(guān)于所述第一樣本數(shù)量，且負(fù)相關(guān)于所述第一樣本數(shù)量和所述第四樣本數(shù)量之和；

22、若所述準(zhǔn)確率大于或等于預(yù)設(shè)準(zhǔn)確率閾值，和/或，所述召回率大于或等于預(yù)設(shè)召回率閾值，則從穩(wěn)定的所述因素分析網(wǎng)絡(luò)模型中提取因素節(jié)點(diǎn)，作為限制所述車輛感知系統(tǒng)對(duì)所述感知目標(biāo)的因素。

23、在一種可能的實(shí)施方式中，所述根據(jù)所述卡方統(tǒng)計(jì)量更新所述因素分析網(wǎng)絡(luò)模型和所述條件概率表，直至所述因素分析網(wǎng)絡(luò)模型穩(wěn)定，包括：

24、根據(jù)所述卡方統(tǒng)計(jì)量更新所述因素分析網(wǎng)絡(luò)模型和所述條件概率表；

25、在接收到從所述訓(xùn)練樣本集中選取的目標(biāo)因素時(shí)，將所述目標(biāo)因素添加到所述因素分析網(wǎng)絡(luò)模型中，并返回所述從所述訓(xùn)練樣本集中統(tǒng)計(jì)所述因素分析網(wǎng)絡(luò)模型的條件概率表的步驟；

26、在未接收到從所述訓(xùn)練樣本集中選取的目標(biāo)因素，且所述因素分析網(wǎng)絡(luò)模型中的每個(gè)所述因素節(jié)點(diǎn)均已驗(yàn)證完成時(shí)，確定所述因素分析網(wǎng)絡(luò)模型穩(wěn)定，所述因素節(jié)點(diǎn)已驗(yàn)證完成表示已驗(yàn)證所述因素節(jié)點(diǎn)是否對(duì)所述感知目標(biāo)有影響。

27、第二方面，本技術(shù)實(shí)施例提供一種限制車輛感知性能的因素識(shí)別裝置，包括：

28、獲取模塊，用于針對(duì)車輛感知系統(tǒng)的任意一個(gè)感知目標(biāo)構(gòu)建因素分析網(wǎng)絡(luò)模型，所述因素分析網(wǎng)絡(luò)模型中包括多個(gè)節(jié)點(diǎn)和多個(gè)有向邊，每個(gè)所述有向邊連接兩個(gè)所述節(jié)點(diǎn)，兩個(gè)所述節(jié)點(diǎn)包括父節(jié)點(diǎn)和子節(jié)點(diǎn)，所述有向邊從所述父節(jié)點(diǎn)指向所述子節(jié)點(diǎn)，所述多個(gè)節(jié)點(diǎn)包括：影響所述感知目標(biāo)的因素節(jié)點(diǎn)、所述感知目標(biāo)對(duì)應(yīng)的性能限制節(jié)點(diǎn)，所述性能限制節(jié)點(diǎn)用于指示所述感知目標(biāo)的假陰性率或假陽(yáng)性率；

29、所述獲取模塊，還用于獲取針對(duì)所述因素分析網(wǎng)絡(luò)模型的訓(xùn)練樣本集，所述訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本中包括所述因素分析網(wǎng)絡(luò)模型中的各所述節(jié)點(diǎn)的狀態(tài)；

30、處理模塊，用于從所述訓(xùn)練樣本集中統(tǒng)計(jì)所述因素分析網(wǎng)絡(luò)模型的條件概率表，所述條件概率表中包括在所述子節(jié)點(diǎn)的父節(jié)點(diǎn)處于第一狀態(tài)時(shí)所述子節(jié)點(diǎn)處于第二狀態(tài)的概率；

31、所述處理模塊，還用于確定所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)，在所述訓(xùn)練樣本集中的真實(shí)同時(shí)出現(xiàn)次數(shù)，作為觀測(cè)頻數(shù)，以及，確定所述因素節(jié)點(diǎn)的任一狀態(tài)和所述性能限制節(jié)點(diǎn)的任一狀態(tài)在所述訓(xùn)練樣本集中的期望同時(shí)出現(xiàn)次數(shù)，作為期望頻數(shù)，并根據(jù)多個(gè)所述觀測(cè)頻數(shù)和多個(gè)所述期望頻數(shù)計(jì)算卡方統(tǒng)計(jì)量；

32、執(zhí)行模塊，用于根據(jù)所述卡方統(tǒng)計(jì)量更新所述因素分析網(wǎng)絡(luò)模型和所述條件概率表，直至所述因素分析網(wǎng)絡(luò)模型穩(wěn)定，以從穩(wěn)定的所述因素分析網(wǎng)絡(luò)模型中提取因素節(jié)點(diǎn)，作為限制所述車輛感知系統(tǒng)對(duì)所述感知目標(biāo)的因素，并根據(jù)所述條件概率表中的各個(gè)條件概率，計(jì)算所述車輛感知系統(tǒng)在各所述因素節(jié)點(diǎn)的不同狀態(tài)下對(duì)所述感知目標(biāo)的假陽(yáng)性率、或假陰性率。

33、第三方面，本技術(shù)實(shí)施例提供一種電子設(shè)備，包括：存儲(chǔ)器，處理器；

34、所述存儲(chǔ)器存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；

35、所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，使得所述處理器執(zhí)行如上第一方面和/或第一方面各種可能的實(shí)施方式

36、第四方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)如上第一方面和/或第一方面各種可能的實(shí)施方式。

37、第五方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上第一方面和/或第一方面各種可能的實(shí)施方式。

38、本技術(shù)實(shí)施例提供的限制車輛感知性能的因素識(shí)別方法、裝置及存儲(chǔ)介質(zhì)，通過針對(duì)車輛感知系統(tǒng)的任意一個(gè)感知目標(biāo)構(gòu)建因素分析網(wǎng)絡(luò)模型，并在訓(xùn)練樣本集中統(tǒng)計(jì)獲取條件概率表，并基于條件概率表獲取各因素節(jié)點(diǎn)的觀測(cè)頻數(shù)和期望頻數(shù)，根據(jù)多個(gè)觀測(cè)頻數(shù)和多個(gè)期望頻數(shù)計(jì)算卡方統(tǒng)計(jì)量，以判斷各因素的顯著性，根據(jù)卡方統(tǒng)計(jì)量更新因素分析網(wǎng)絡(luò)模型和條件概率表，直至因素分析網(wǎng)絡(luò)模型穩(wěn)定，以從穩(wěn)定的因素分析網(wǎng)絡(luò)模型中提取因素節(jié)點(diǎn)，作為限制車輛感知系統(tǒng)對(duì)感知目標(biāo)的因素，并根據(jù)條件概率表中的各個(gè)條件概率，計(jì)算車輛感知系統(tǒng)在各因素節(jié)點(diǎn)的不同狀態(tài)下對(duì)感知目標(biāo)的假陽(yáng)性率或假陰性率，從而實(shí)現(xiàn)全面、準(zhǔn)確地識(shí)別影響車輛感知系統(tǒng)的因素。