基于视频的车辆特征表达与分类算法

为实现车辆类型的高精度检测,提出了基于偏心矩向量的特征表达方法,将运动车辆轮廓点与重心之间的距离定义为偏心矩,构造特征向量实现车辆的标识.该特征向量具备旋转、平移、伸缩的不变性,能够克服目标运动状态和环境变化的影响.采用支持向量机构建多类最优分类超平面,实现运动车辆的多类别快速分类.实验结果表明,不同类别车辆特征区分明显,识别准确率可达94%以上.     

交叉口机动车运动轨迹特征提取与标定

为探讨机动车在交叉口的运行特性,采用复合特征提取算法获取图像上机动车运行的轨迹特征;在多边形线性扫描算法的基础上,考虑摄像机成像畸变的影响,引入中心偏移因子,提出了考虑中心偏移的多区域扫描标定算法,将运行轨迹图像特征转化为真实的运动特征;最后,与多边形线性扫描算法的计算结果及实测数据进行了对比,结果表明:该算法能够有效地提取交叉口机动车的运行轨迹,准确地表征机动车在交叉口的相关运行特性;与实测车速相比,计算得到的机动车速度误差小于4%.      

驾驶员弯道操纵能力实车测试与分析方法研究

为客观评价不同驾驶员的弯道操纵能力，提出了一种驾驶员弯道行驶过程操纵行为实车测试分析方法。招募12名驾驶员在试验场标准路面上进行实车试验，分别以30 km/h、40 km/h、50 km/h的初速度驶入U形弯道并自由行驶，记录驾驶员操控数据和车辆运动状态数据，对驾驶员弯道操纵能力进行分析。试验结果表明：不同能力的驾驶员在纵向车速、纵向加速度、纵向急动度、转向盘转角、横摆角速度、转向盘转角熵值等指标上呈现明显差异。该方法可进一步扩展应用于自动驾驶汽车的弯道行驶能力分析评估。     

基于一维卷积神经网络的驾驶人身份识别方法

近年来，智能网联汽车（ICV）已成为智能工业时代最有前景的发展方向。作为现代移动的重要模式，ICV的设计和开发越来越强调个性化需求。提出一种仅使用车载CAN总线行车状态数据，基于深度学习的驾驶人身份识别通用框架。首先采集20名驾驶人在固定试验路线下，包括不同道路类型、不同交通条件下的自然驾驶行车状态数据集；其次对9种类型的CAN信号行车数据进行数据清洗与重采样，构建数据样本集。搭建了由卷积层、池化层、全连接层、SoftMax层构成的一维卷积神经网络（1-D CNN）驾驶人身份识别模型，并且使用Adam算法、L2正则化、Dropout、小批量梯度下降等方法对模型性能进行优化。算法验证过程中，探讨了模型卷积核占比、卷积核数量、卷积层层数、全连接层节点规模对模型识别准确率的影响，进而对模型结构参数进行优选。进一步地，将该算法与K近邻（KNN）、支持向量机（SVM）、多层感知器（MLP）等传统机器学习方法及深度学习算法长短时记忆网络（LSTM）进行对比分析，同时探究样本时间窗口大小、样本数据重叠度、驾驶人数量对模型识别结果的影响。在数据时间窗口为1 s、数据重合度80%的条件下，对20名驾驶人进行识别，评价指标宏观F₁分数可达99.1%，表明该模型表现明显优于其他对比模型算法，其对驾驶人身份识别表现稳定，鲁棒性强。     

面向自动驾驶的遥感影像路网检测方法

针对高分辨率遥感影像道路提取难度大、提取精度低的问题，提出了一种基于VGGU-Net++的遥感影像路网检测方法。首先基于VGGU-Net框架构建了编码器-解码器网络；其次，设计了一系列嵌套、密集的卷积块，用以缩小编码器与解码器特征映射之间的语义差距。节点之间利用跳跃连接填充了具有多个卷积层的密集卷积块，其层数取决于金字塔等级；并在2个卷积块之间设置1个串联层，该层将同一密集块前一个卷积层的输出和浅层的上采样输出进行特征图融合。同时，使用深监督策略保证网络模型的修剪程度和速度增益。在网络训练过程中，这种相似语义特征图的跳转连接可以简化优化操作，提高网络训练性能。最后，利用遥感影像开源数据集——马萨诸塞州数据集进行算法的测试与验证。结果表明，提出的VGGU-Net++网络与现有同类方法相比，获得了更好的性能表现，在精确率、召回率、F₁-score和I_oU方面分别达到了88.1%、87.1%、88.5%和77.9%，能够实现城市、山区、直线、弯曲道路场景高维、复杂、抽象特征的自动提取；此外，检测结果能够减少干扰，降低误检，保留更多道路细节信息，得到更加完整、清晰的路网检测效果。     

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。     

考虑肌电信号的驾驶人弯道操纵行为分析

驾驶人是"人-车-路"闭环系统中的核心。近年来，研发人性化、个性化的汽车驾驶辅助系统逐渐成为行业热点。为了更加透彻地理解弯道驾驶行为特性，为弯道驾驶辅助系统提供功效评估与优化，提出了一种考虑肌电信号的驾驶人弯道行驶过程操纵行为分析方法。招募12名驾驶人在试验场标准路面上进行实车试验，其中包含6名专业试车师与6名普通驾驶人，要求驾驶人分别以30，40，50 km·h^-1的不同初速度驶入U形弯道并自由驾驶。试验过程中记录驾驶人颈部肌电信号数据和车辆运动状态数据，分析转弯行驶车辆侧向运动对不同驾驶能力的驾驶人生理体验的影响，同时进一步探讨不同类型驾驶人在不同入弯速度条件下颈部肌电信号与侧向加速度的关联差异特性。试验结果表明：相同工况下，专业驾驶人和普通驾驶人颈部肌电特征值存在显著差异，专业驾驶人颈部肌电信号特征与车辆侧向加速度呈现一定的线性关系；随着驾驶任务难度的增加，驾驶能力好的驾驶人能够较好地适应任务的变化，在进行纵侧向耦合操纵时能够较好地协调身体生理反应与车辆侧向运动保持较好的关联特性。研究成果为进一步探索并完善驾驶体验评价方法提供了新的研究思路，同时，可为汽车辅助驾驶系统功能设计与智能汽车行驶性能的用户体验测评提供技术支撑。