智能车辆的行人检测技术研究

行人检测作为智能车辆的关键技术,已成为业内共同关注的研究热点。随着机器视觉、计算机技术等不断发展,行人检测的进展很快。     

混合交通中的车辆与行人检测

混合交通中车辆和行人的检测识别是研究如何让计算机以人的思维方式从视频或图像中将车辆和行人从背景中区分出来。车辆检测与行人检测作为智能交通系统的核心组成部分,具有重大的研究价值与现实意义。本文基于候选区域和深度网络的深度特征提取方法,通过获取场景中的大量实时图像数据进行多任务深度模型训练,实现复杂交通场景中的车辆检测和行人检测的任务。相比于传统的车辆检测算法和行人检测算法,基于候选区域和深度网络的深度特征提取方法具有独特的优势:检测的准确性、鲁棒性、实时性可以在一定的条件下达到比较满意的程度。而传统车辆与行人的检测算法,并不能同时在3项指标上达到较好的状态。此外,候选区域的确定避免了穷举式搜索目标,从而节省了大量时间开销。     

典型汽车碰撞事故场景中行人运动轨迹预测方法

为提高未来自动驾驶车辆对弱势道路使用群体的感知和决策融合的可靠性，本文提出一种基于目标检测算法（YOLOv5）、多目标跟踪算法（Deep-Sort）和社交长短时记忆神经网络（social-long short-term memory,Social-LSTM）的行人未来运动轨迹预测方法。结合YOLOv5检测和Deep-Sort跟踪算法，有效解决行人检测跟踪过程中目标丢失问题。提取特定行人目标历史轨迹作为预测框架的输入边界条件，并采用Social-LSTM预测行人未来运动轨迹。并对未来运动轨迹进行透视变换和直接线性变换，转换为世界坐标系中的位置信息，预测车辆与行人的可能未来碰撞位置。结果显示目标检测精度达到93.889%，平均精度均值达96.753%，基于高精度的检测模型最终轨迹预测算法结果显示，预测损失随着训练步长的增加呈递减趋势，最终损失值均小于1%，其中平均位移误差降低了18.30%，最终位移误差降低了51.90%，本研究可为智能车辆避撞策略开发提供理论依据和参考。     

面向自动驾驶车辆的路段人车冲突判别模型

针对无信号控制路段自动驾驶车辆和行人冲突判别建模,选择武汉市6处无信号控制路段作为调查地点,从而保证足够的车辆及行人数据量,采用视频采集技术获取交通流量以及行人与车辆的行为数据.利用决策树分析方法将决策分为两各层级,分别为行人过街决策和冲突判别,利用二元Logit模型建立面向自动驾驶车辆的路段人车冲突判别模型,对行人和自动驾驶车辆之间可能发生的冲突概率进行计算.建立的模型可以作为自动驾驶技术中的一部分,能够帮助自动驾驶汽车具备人类驾驶员与行人间的通行权沟通能力,使自动驾驶汽车控制系统更加智能且接近人类的判断能力.     

ITS——让视野宽广起来

ITS(智能道路交通系统)采用了目前世界上最先进的情报通信技术手段,它将信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术有效地集成并运作于整个交通运输管理体系,从而建立起一种在大范围内全方位发挥作用的,即时、准确、高效的综合运输及管理系统。ITS(智能道路交通系统)通过广播及网络等形式,将行人、车辆及道路情况     

世界智能车辆近况综述

本文综述了世界智能车辆关键技术现状及其发展方向，并介绍了世界上主要发达国家智能车辆技术应用现状和发展计划，提出了今后智能车辆发展中值得注意的一些问题。     

世界智能车辆行驶安全保障技术的研究进展

综述世界智能车辆行驶安全保障技术研究进展，重点介绍世界主要发达国家智能车辆行驶安全保障技术的应用现状和发展计划，提出智能车辆安全保障技术当前存在的一些问题，展望今后的发展趋势。     

汽车安全行人保护技术的研究现状及展望

分析了汽车与行人碰撞事故的特点,论述了汽车安全中行人保护技术的研究与应用现状,展望了未来行人保护的发展趋势。汽车被动安全主要通过碰撞试验和计算机仿真模拟等方法来研究行人保护技术,汽车主动安全主要通过各种传感器有效检测车辆周围的行人,实现避免汽车与行人碰撞的主动预警。集成化和智能化是汽车安全技术的发展方向,未来行人保护技术应该从碰撞事故发生后减轻损伤,逐渐发展到碰撞事故的避免和预防,结合多传感器信息融合技术,研制性价比高的行人保护装置和系统。     

智能车辆检测系统规划和设计研究——以无锡市为例

智能车辆检测系统作为智能交通系统的关键子系统,对发展ITS起着至关重要的作用.首先简述了车辆检测系统的发展历程,对各种检测技术进行分析和比较,归纳和总结出各种技术的优缺点.然后根据技术成熟度、适应性和经济性等因素设计出适合无锡本地的工程方案,即以线圈检测技术为主,逐步向视频技术和微波技术过渡的技术路线.最后以无锡市当前城市格局和路网条件为例,对智能车辆检测系统进行整体规划和布置,达到市区范围内的全覆盖.     

基于LabVIEW和激光雷达的智能车辆障碍物检测

将LabVIEW引入智能车辆研究与应用领域,提出基于LabVIEW和激光雷达的智能车辆障碍物检测系统。该系统采用激光雷达探测智能车辆前方的物体,测到的距离数据经串口传输至计算机（LabVIEW）后,由LabVIEW对数据进行处理和分析,完成智能车辆前方障碍物检测。该系统设计了激光雷达控制、串口VISA操作、数据采集、处理及存储、直角坐标和极坐标图像、障碍物检测等程序。实验结果表明,该方案是可行的,可以作为研究智能车辆技术的一种新的方法。     

行人保护技术发展现状分析

汽车与行人碰撞过程中的行人保护问题一直是汽车安全技术发展的一个重要课题。基于国内外行人保护法规及行人保护技术的研究现状,以汽车被动安全性为研究对象,介绍了保险杠行人保护技术、发动机罩行人保护技术、行人保护气囊及其他行人保护技术。随着技术的不断进步,我国将越来越重视行人安全保护技术。该研究为我国后续行人保护研究提供了参考。     

基于视频跟踪方法的行人过街状态表达与分析

提出了一种基于视频跟踪的行人过街状态表达与分析方法。采用自适应的混合高斯背景模型实现复杂交通场景下的背景抽取,提取运动行人目标;通过扩展的Kalman滤波算法对过街行人进行跟踪,获取行人的运动轨迹;根据有限状态自动机理论将行人过街过程表达为连续的微观行为状态;在行人过街运动参数的基础上,对行人的过街状态进行推理并分析,得出合理的过街行为方式。通过实际无信号交叉口行人过街视频跟踪实验表明,该方法具有较好的应用性。     

智能车辆安全辅助驾驶技术研究近况

论述了安全辅助驾驶技术的研究现状、研究的必要性以及研究进展。安全辅助驾驶技术包括车道偏离预警与保持、前方车辆探测及安全车距保持、行人检测、驾驶员行为监测、车辆运动控制与通讯等。分析了各种传感器的优缺点及其在实际应用过程中存在的问题,基于单一传感器不能很好地解决安全辅助驾驶技术可靠性和环境适应能力的要求,应结合激光雷达技术解决图像模糊问题,利用红外传感器增强机器视觉识别的可靠性,未来的安全辅助驾驶技术应该采取多种传感器融合的技术,结合毫米波雷达和激光雷达系统具有深度测量精确的特点,将极大的推动汽车安全辅助驾驶系统的应用和推广。     

汽车行人保护开发与研究进展

行人保护是汽车安全技术领域的前沿和热点问题。随着各国立法的推进,各汽车厂商面临的行人保护压力将越来越大。现行主要法规有EEVC系列、GTR、Euro NCAP等。文中综述了国内外行人保护研究的最新方法和技术,展望了行人保护技术的发展趋势和方向。面向行人保护的被动安全技术核心在于碰撞能量的吸收,主要的技术路线包括新材料的应用和安全结构的改进。而能避免事故发生的主动安全技术将逐渐成为汽车安全领域研究的新趋势。     

轿车行人保护技术发展的重要性

行人安全越来越成为人们关注的重要问题,文章针对行车过程中行人伤害特点来说明行人保护技术研究的重要意义。随着我国将于2013年正式实施《汽车对行人的碰撞保护》标准,必然将推动我国行人保护技术的快速发展。文章结合行人保护技术的发展历程及现阶段此项技术研究的方法和应用现状,为此方面的研究工作提供参考,从而使我国汽车工业得以更加完善发展。     

车辆-行人法规实施的重要性研究

行人安全技术应用在汽车上可以降低汽车一行人碰撞中行人的伤害，因此，我国应该实施行人保护法规，促使汽车生产企业加速行人保护方面的研究。文章通过对道路交通事故中行人伤害所占的比例分析，说明了在我国开展行人保护研究的重要意义。阐述了在汽车与行人的碰撞过程中，汽车可能对行人造成伤害的主要部分，从而对改进汽车相关结构提出重要依据。力图从根本上提高汽车的被动安全性能，使我国的汽车工业向更加完善的方向发展，从而使我国的汽车技术和世界汽车技术接轨。     

路段感应式信号控制行人过街系统设计

为保障路段行人安全过街,提高行人过街效率,设计了基于感应控制的路段行人安全过街系统.该系统分别采用视频和感应线圈实现对过街行人和路段车辆的自动检测,并据此设计行人过街感应信号控制方案,辅以“减速带式”人行横道、路段行人过街通道灯和智能人行道护栏3种过街辅助设施,实现时空上的人车分离.     

基于改进 Adaboost 的行人快速检测与定位算法

随着智能交通的发展,道路行人主动安全的重要性愈发凸显,且越来越受到国内外研究机构的重视。选取 Harr-like特征,利用积分图快速计算矩形特征,对传统的Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。      

面向数据驱动建模的行人轨迹自适应压缩与误匹配识别分割

轨迹数据驱动的行人行为分析建模在公共场合异常事件监测、人车冲突风险评估等方面具有重要意义,广布的交通视频监控是行人群轨迹数据的重要来源。行人轨迹具有趋势性和规律性,提取的原始轨迹信息冗余较大,且密集行人群频繁遮挡,不同行人轨迹易发生误匹配,导致数据失真。针对以上问题,根据行人轨迹的局部结构特征和数值特性,设计一种改进的两阶段自适应滑窗轨迹压缩算法ATSSW (Adaptive Two Stage Sliding Window)和基于轨迹局部转向角的误匹配识别和分割方法ABTDS (Angle-based Trajectory Detection and Segmentation),清洗和压缩行人轨迹数据。首先,ATSSW算法考虑轨迹各坐标分量的数值分布特征,将提取到的所有原始轨迹分为漂移和非漂移2类,采取不同的策略分别压缩2类轨迹;然后,ABTDS算法分析压缩后的轨迹局部转角特征,辨识误匹配轨迹样本;最后,ABTDS算法分割误匹配样本,并用分割后的轨迹更新原始轨迹数据集。研究结果表明：ATSSW算法压缩了653条原始行人轨迹,总压缩信息损失1 002.04,总平均轨迹压缩率为6.07%,总平均轨迹压缩保留率为95.35%;原始轨迹集中存在126条误匹配轨迹,ABTDS算法辨识并成功分割了其中的107条,检出率为84.92%;所提算法抑制了原始行人轨迹中漂移点和误匹配现象所致的干扰,减少了原始轨迹数据噪声,可提高轨迹数据驱动的行人行为建模精确度;适当压缩原始轨迹,可减轻轨迹数据存储处理的负担。     

基于文献计量的步行交通研究现状与趋势分析

应用统计方法和科学知识图谱软件CiteSpace，对2012～2021年知网和WOS步行研究的文献信息进行分析。通过分析历年发文量，找出领域核心期刊、主要作者和机构，了解领域的研究概况；通过关键词词频统计和突发词检测，分析国内外步行研究热点和趋势，确定步行交通领域重点关注方向为“行人过街”、“交通安全”，以及步行的“智能交通”；最后，通过文献阅读，总结梳理了3个方向近年研究成果和发展趋势。