1.一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，包括以下步骤：S1，获取本车行驶状态信息、行人运动状态信息和车辆前方图像；

S2，根据采集得到的车辆前方图像，提取行人头部区域并对行人脸部朝向进行识别，根据行人脸部朝向判断行人是否注意到来车；基于逻辑回归模型，融合行人运动状态信息、行人脸部朝向和车辆运动状态信息，判断行人的意图；

S3，根据行人脸部朝向，若判定行人未注意到车辆，则利用马尔科夫行人模型预测行人在未来预设时长内的轨迹；利用马尔科夫行人模型预测行人在未来预设时长内轨迹的过程如下：行人未注意到车辆，此时道路上的车辆可视为对行人无干扰，过街行人在无外部干扰情况下的自由运动符合马尔科夫过程，行人未来的位置和速度取决于他当前的位置和速度，由此可以得到行人的状态描述：State

式中，State

S4，根据行人脸部朝向及行人意图判断结果，若判定行人注意到车辆且继续行走，引入社会力模型对此时行人的运动进行预测；并在该类行人运动过程中再引入马尔科夫行人模型进行预测；将马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权融合得到修正后的行人位置；根据设定的时间步长，得到预设时长内的轨迹曲线；利用社会力模型对此时行人的运动进行预测，具体步骤包括：行人向目标点移动存在一个驱动力，面对来车行人会受到车辆的排斥力，道路也会给行人施加一个隐藏的边界力，将这些力进行累加形成合力，行人的位置将在社会力的作用下随着时间步长递推；行人所受的合力以及位置的表达公式如下：式中，F

S5，根据预测出来的行人轨迹进行安全状态判断，决策出车辆在保证安全的情况下合适的避撞策略；

上述S2中，行人脸部朝向识别步骤包括：

(1)根据车辆前方图像，采用Yolo算法检测行人的头部区域，得到头部图像；

(2)采用卷积神经网络搭建行人脸部正向/侧向/背向分类器，确定行人的脸部朝向Orientation；

上述S2中，所述逻辑回归模型用于行人意图判断包括如下步骤：(1)以行人速度v

式中，自变量表示为x＝[c,v

式中，J(θ)为代价函数，m为样本的数量，H

(2)利用训练好的逻辑回归模型进行行人意图判断，若H

2.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，将此时过街行人的运动考虑为自由无干扰运动和来车干扰运动的组合，将马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权得到预测的行人位置，用下式表示：p(t)＝τ

式中，p(t)表示经过马尔科夫行人模型和社会力模型相互融合并修正后得到的在t时的行人位置，τ

3.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，所述S5中，行人与车辆的安全状态判断的方法：(1)将行人在道路上的位置划分成危险区域、高风险区域和安全区域；

(2)计算车辆纵向避撞的时间，考虑行人位置在纵向上的位置波动，所得的车辆纵向避撞时间为一个时间区域范围：式中，t

(3)对得到的时间区域段内进行均匀采样，得到一系列的时间序列点：{t-κ,t-κ+Δt’,t-κ+2Δt’,…,t-κ+(n-1)Δt’,t+κ}其中，Δt’为均匀采样的时间间隔；

(4)将时间序列点代入预测轨迹的位置表达式中，生成该时间区域内的位置序列：{P

(5)根据位置序列点在划分得到的三个区域中的数量，决策出车辆的避撞策略。

4.根据权利要求3所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，车辆的避撞策略为：

1)若所有序列点落在危险区域，则进行横向避撞操作；

2)若所有序列点落在高风险区域，则进行纵向避撞操作；

3)只要有一个序列点落在高风险区域，则进行纵向避撞操作；

若确定横向避撞操作，横向规划层根据行人相对于车辆的状态规划出横向避撞路径；若确定纵向避撞操作，则采取紧急制动或减速的方法，达到纵向避撞操作的目的。

5.根据权利要求4所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，横向规划层规划出横向避撞路径的具体步骤为：(1)结合S3或S4预测出的行人轨迹，采用人工势场法规划出横向避撞路径；构建引力势场、道路边界斥力势场和椭圆形障碍物斥力势场：(2)对引力势场、道路边界斥力势场和椭圆形障碍物斥力势场求负梯度，得到每个势场对应的势场力，如下：将上述三个势场力相加，得到车辆受到的合力：

F

式中，U

(3)车辆在合力的作用下运动经过的位置点可以由势场力在横向上的受力平衡求得，将这些点通过曲线拟合可得到避障的横向规划路径；

(4)根据行人过街过程中的位置变化，实时地对车辆与行人进行碰撞危险性分析，判断是否需要重规划路径，从而得到实时的横向避撞路径；车辆与行人进行碰撞危险性分析是根据在规划周期内行人可能出现的位置区域和车辆可能出现的位置区域是否重叠，若存在重叠，则认为存在碰撞危险性需要重新规划路径，反之则认为不存在碰撞危险性且不需要重新规划路径。

6.根据权利要求4所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，采取紧急制动或减速方法的具体步骤为：(1)若采取紧急制动，建立模糊控制器，将车辆与行人之间的相对速度和相对距离作为输入，输出期望减速度；

(2)若采取减速避让行人且在行人通过马路之后正常行驶，则车辆的期望最小减速度通过下式求取：其中：

式中，t

7.一种考虑人车交互的行人轨迹预测及主动避撞系统，其特征在于，系统采用权利要求1-6任一项所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，系统包括环境感知模块、行人意图判断模块、行人轨迹预测模块和纵横向避撞决策模块；

环境感知模块用于获取本车行驶状态信息、行人运动状态信息和车辆前方图像，且环境感知模块分别与行人意图判断模块、行人轨迹预测模块和纵横向避撞决策模块连接；

行人意图判断模块根据环境感知模块采集的本车行驶状态信息、行人运动状态信息和车辆前方图像，利用图像处理单元对车辆前方图像中的行人头部进行检测，从而对过街行人的脸部朝向进行识别；基于行人脸部朝向的识别结果对过街行人的意图进行判断，将意图判断结果发送给行人轨迹预测模块；

行人轨迹预测模块接收环境感知模块发送的本车行驶状态信息、行人运动状态信息和行人意图判断模块的判断结果，对于未注意到车辆的行人，利用马尔科夫行人模型预测行人在未来预设时长内的轨迹；对于注意到车辆且继续行走的行人，将过街行人的运动视为自由运动和来车干扰运动的组合；对此时行人的运动预测引入社会力模型，将之前马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权融合，得到修正后的行人位置；根据设定的时间步长，得到预设时长内的轨迹曲线，并将该预测轨迹曲线发送给纵横向避撞决策模块；

纵横向避撞决策模块接收行人轨迹预测模块预测出的行人轨迹，通过行人与车辆的安全状态分析，评估纵向避撞和横向避撞的可行性，决策出车辆在保证安全性下合适的避撞策略。

8.根据权利要求7所述一种考虑人车交互的行人轨迹预测及主动避撞系统，其特征在于，所述环境感知模块包括安装在车辆上的GPS、速度传感器、激光雷达和单目相机，实时获得车辆的位置信息、速度信息以及过街行人相对于车辆的位置信息、速度信息；单目相机采集车辆前方图像。