《基於組合分類機制的過街行人檢測與防碰預警方法研究》是依託大連理工大學,由郭烈擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於組合分類機制的過街行人檢測與防碰預警方法研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：郭烈
項目摘要,結題摘要,
項目摘要
行人是道路交通中易受傷害的弱勢群體，保護行人的安全是道路交通安全研究的主要內容之一。行人保護技術在不斷完善被動安全系統的同時，逐漸發展和套用主動安全保護系統。通過分析我國行人事故現狀發現，行人在過街時與車輛發生碰撞是導致行人傷亡的主要原因。本項目以基於車載視覺的車輛前方過街行人實時檢測與主動防碰撞預警為研究目標，採用改進Adaboost算法和SVM組合分類機制，結合行人以及人體各典型部位的圖像統計特徵，進行過街行人快速、準確的識別方法研究；運用目標顏色直方圖與粒子濾波相結合的方法對行人進行運動分析與危險狀態評估；當發現行人目標進入危險區域時，通過建立預防車輛與行人發生碰撞的預警規則，及時警示駕駛員進行相應的操作以避免碰撞事故的發生。本項目研究成果有助於降低行人在道路交通事故中的傷亡，提高汽車的主動安全性能，為有效減少和避免車輛與行人碰撞事故提供必要的技術支持。
結題摘要
行人是道路交通中易受傷害的弱勢群體，保護行人的安全是道路交通安全研究的主要內容之一。行人保護技術的發展是在不斷完善被動安全系統的同時，逐漸發展和套用主動保護安全系統。行人在過街時與車輛發生碰撞事故是導致行人傷亡的主要原因之一，本項目基於車載視覺感測器開展行人檢測與主動防碰撞預警技術研究，取得以下主要研究成果：（1）綜合行人的形態特徵及Adaboost算法簡單、實時性好的特點，利用支持向量機SVM訓練得到的行人識別分類器對基於Adaboost算法分割出來的行人候選區域進行確認，降低傳統Adaboost算法行人檢測方法的錯誤率；（2）根據人體的腿部區域所表現出的統計特徵，提出了基於梯度方向直方圖特徵HOG最佳化的行人腿部檢測方法，利用查找表型Gentle Adaboost算法來訓練經過加權Fisher線性判別最佳化後的腿部HOG特徵，提高行人腿部定位的精度；（3）根據人體各部位的特點選擇相應的特徵進行腿部和頭部的定位，再採用部位約束、特徵轉化以及分類器閾值調整等方法對人體各部位檢測結果進行融合，提高行人識別的準確性；（4）針對道路交通環境背景複雜、行人目標多樣性及運動任意性的特點，提出一種基於Kalman濾波預測的Camshift跟蹤算法，融合了圖像的顏色和運動信息以增強行人跟蹤的魯棒性；（5）研究了基於顏色直方圖與粒子濾波相結合的序列圖像行人跟蹤結果，實現對行人的運動模式進行分析和識別；（6）制定了行人防碰撞預警規則和防碰撞輔助控制策略，對行人檢測與防撞預警系統進行了集成並開展了實際道路試驗。本項目研究成果有助於減少或避免車輛與行人發生碰撞交通事故，加強汽車安全輔助駕駛系統的功能，提高汽車的主動安全性和智慧型化程度。
