基于组合分类机制的过街行人检测与防碰预警方法研究

行人是道路交通中易受伤害的弱势群体，保护行人的安全是道路交通安全研究的主要内容之一。行人保护技术在不断完善被动安全系统的同时，逐渐发展和应用主动安全保护系统。通过分析我国行人事故现状发现，行人在过街时与车辆发生碰撞是导致行人伤亡的主要原因。本项目以基于车载视觉的车辆前方过街行人实时检测与主动防碰撞预警为研究目标，采用改进Adaboost算法和SVM组合分类机制，结合行人以及人体各典型部位的图像统计特征，进行过街行人快速、准确的识别方法研究；运用目标颜色直方图与粒子滤波相结合的方法对行人进行运动分析与危险状态评估；当发现行人目标进入危险区域时，通过建立预防车辆与行人发生碰撞的预警规则，及时警示驾驶员进行相应的操作以避免碰撞事故的发生。本项目研究成果有助于降低行人在道路交通事故中的伤亡，提高汽车的主动安全性能，为有效减少和避免车辆与行人碰撞事故提供必要的技术支持。

行人是道路交通中易受伤害的弱势群体，保护行人的安全是道路交通安全研究的主要内容之一。行人保护技术的发展是在不断完善被动安全系统的同时，逐渐发展和应用主动保护安全系统。行人在过街时与车辆发生碰撞事故是导致行人伤亡的主要原因之一，本项目基于车载视觉传感器开展行人检测与主动防碰撞预警技术研究，取得以下主要研究成果：（1）综合行人的形态特征及Adaboost算法简单、实时性好的特点，利用支持向量机SVM训练得到的行人识别分类器对基于Adaboost算法分割出来的行人候选区域进行确认，降低传统Adaboost算法行人检测方法的错误率；（2）根据人体的腿部区域所表现出的统计特征，提出了基于梯度方向直方图特征HOG优化的行人腿部检测方法，利用查找表型Gentle Adaboost算法来训练经过加权Fisher线性判别优化后的腿部HOG特征，提高行人腿部定位的精度；（3）根据人体各部位的特点选择相应的特征进行腿部和头部的定位，再采用部位约束、特征转化以及分类器阈值调整等方法对人体各部位检测结果进行融合，提高行人识别的准确性；（4）针对道路交通环境背景复杂、行人目标多样性及运动任意性的特点，提出一种基于Kalman滤波预测的Camshift跟踪算法，融合了图像的颜色和运动信息以增强行人跟踪的鲁棒性；（5）研究了基于颜色直方图与粒子滤波相结合的序列图像行人跟踪结果，实现对行人的运动模式进行分析和识别；（6）制定了行人防碰撞预警规则和防碰撞辅助控制策略，对行人检测与防撞预警系统进行了集成并开展了实际道路试验。本项目研究成果有助于减少或避免车辆与行人发生碰撞交通事故，加强汽车安全辅助驾驶系统的功能，提高汽车的主动安全性和智能化程度。

内容获取失败，请点击重试