《面向城區綜合環境的行人檢測和意圖分析關鍵技術研究》是依託上海交通大學，由楊明擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：面向城區綜合環境的行人檢測和意圖分析關鍵技術研究
- 項目類別：重大研究計畫
- 項目負責人：楊明
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
行人可視為綜合城區環境中的重要障礙物。行人檢測和意圖分析算法的實時性和有效性在行人避碰與道路安全方面起到了至關重要的作用，也為研究無人駕駛車輛關鍵技術提供了理論依據和技術支撐。由於行人在運動時發生的複雜形變，使得傳統的跟蹤算法難以取得理想的效果，提出一種基於TLD的行人跟蹤方法。該方法將檢測與跟蹤加以結合，同時引入線上學習機制，克服目標丟失和部分遮擋等問題，加強對複雜形變的魯棒性。同時，視覺方法都會受到戶外環境多變的光照條件的影響，通過分析現有特徵描述子的內在規律，提出一套新的特徵描述子的生成方法，建立科學的評價指標，篩選出對光線魯棒的特徵描述子，以減輕光照的影響。行人的意圖分析在維護道路安全和保障交通效率中必不可少，針對行人多變行為下潛在意圖識別問題，將GPDM和HMM方法相結合，建立一套實用的行人意圖分析算法。結合以上幾點，通過大量實驗，開發一套完整的行人檢測、跟蹤與意圖分析系統。
結題摘要
行人可視為綜合城區環境中的重要障礙物。行人檢測和意圖分析算法在行人避碰與道路安全方面起到了至關重要的作用，也為研究無人駕駛車輛關鍵技術提供了理論依據和技術支撐。 本項目主要研究工作包括：1、視覺方法都會受到戶外環境多變的光照條件的影響，通過分析現有特徵描述子的內在規律，提出一套新的特徵描述子的生成方法，建立科學的評價指標，篩選出對各種複雜場景魯棒的行人特徵描述子。藉助上述方法生成框架，尋找到了一個相比HOG更加適合行人檢測的運算元G2P；2、由於行人在運動時發生的複雜形變，使得傳統的跟蹤算法難以取得理想的效果，本項目提出一種基於TLD的行人跟蹤方法。該方法將檢測與跟蹤加以結合，同時引入線上學習機制，克服目標丟失和部分遮擋等問題，加強對複雜形變的魯棒性；3、提出映射模型轉化算法，這是一種全新的虛擬魚眼行人資料庫生成方法。在新生成的資料庫中，在魚眼圖像中位置不同的行人被分別進行訓練。在此基礎上，本項目提出了一種基於自適應部件的檢測方法，檢測具有不同變形程度的行人。試驗中，為了滿足實時性要求，使用GPU對算法進行了加速。實驗結果表明該方法具有較高的檢測精度。4、提出了定向空間轉化網路，在特徵層面對畸變的行人進行了矯正，在不損失檢測速度的前提下，使得針對嚴重畸變的行人檢測精度獲得了提升。 結合以上幾點，通過大量實驗，開發一套完整的行人檢測、跟蹤與意圖分析系統，在智慧型車領域KITTI國際權威排行榜上名列前五（目前國內高校最好成績）。發表高水平論文25篇，其中IEEE彙刊長文4篇（智慧型交通領域旗艦期刊IEEE T-ITS論文2篇、智慧型車領域旗艦期刊IEEE T-IV論文1篇）、機器人領域頂會IEEE-IROS會議論文1篇、機器人領域頂會IEEE-ICRA會議論文1篇、智慧型車領域頂會IEEE-IV會議論文5篇、智慧型交通領域頂會IEEE-ITSC會議論文3篇。獲得國家發明專利授權2項，申請國家發明專利10餘項，培養博士生5名，碩士生9名，參加國際頂級會議16人次。
