基于脸部特征和头部姿态的疲劳检测方法

针对疲劳驾驶检测方法存在疲劳特征单一、鲁棒性低和不能因驾驶员不同定制疲劳阈值等问题，提出了一种基于脸部特征和头部姿态的疲劳检测方法。利用HOG(histogram of oriented gradients)特征算子和回归树算法进行人脸检测和人脸关键点定位；通过脸部关键点结合坐标系变换估计头部姿态欧拉角；建立深度残差神经网络模型对眼部疲劳特征进行提取，同时结合眼部、嘴部纵横比和头部姿态欧拉角进行疲劳特征提取；利用眼部、嘴部和头部姿态疲劳特征建立针对不同驾驶员的支持向量机模型对疲劳驾驶进行预警。实验表明：在YawDD和自建疲劳模拟数据集上，该方法均表现出较高的准确率和鲁棒性，在某一疲劳特征检测受阻时依然能进行较好的疲劳预警。     

预测混合中心平滑法去噪

在信号去噪声中,要同时去除脉冲噪声和白噪声,有一定的困难本文研究了左预测和右预测,及中心平滑法,并证明了中心平滑法中的两个限制条件提出了预测混合中心平滑法去噪分析了该方法的根信号特征及统计特性并通过摸拟试验检验了该方法,试验结果说明了该方法是切实可行的.     

二阶动力学系统输出反馈特征结构配置

考虑了二阶动力学系统的输出反馈特征结构配置设计问题。基于一类广义Sylvester方程的参数化解,给出了闭环系统的右、左特征向量矩阵及反馈增益矩阵的完全参数化表达式。该参数化方法为控制系统设计提供了全部自由度,其中包括待配置特征值和一组自由参量。该参数化方法直接基于二阶动力学系统的参数矩阵,故其计算简单、便于工程应用。数值例子表明二阶动力学系统输出反馈特征结构配置参数化方法简单而有效。     

单目移动拍摄下基于人体部位的行人检测

在摄像机安装在一个自由移动的平台的环境里,如汽车,检测行人变得非常困难,特别是当行人所处的场景比较复杂时。针对这种应用环境,文中提出了一种coarse-to-fine的行人检测方法。本方法把一个人建模成人体自然部位的组装,所用部位包括头肩(head-shoulder),躯干(torso),腿(leg)。采用绝对值haar-like特征集和Edgelet特征集[1]。在这些特征集上,我们用SoftCascade[2]训练各个部位检测器和全身检测器(full-body)。在本算法中,首先由full-body检测器产生行人候选。然后,基于贝叶斯决策的组合算法进一步确定候选者中的行人。实验结果表明本算法有很好的检测性能,能在杂乱的自然场景中有效的检测行人。     

基于Hough变换头部检测与跟踪的方法研究

动态视频对象的识别与检测是多目标跟踪领域中的一个前沿课题,以固定单目垂直摄像头下的视频图像为前提,首先利用帧间差灰度图像双向投影检测出人体的运动区域,针对每个运动区域内人体头部运动信息的骨架轮廓具有近圆形(圆弧)这一关键特征,提出了一种基于曲线连续特征的Hough多圆检测方法来实现多目标头部定位的算法,较好的解决了多人遮挡和交叠的问题,然后提出了一种基于目标运动连续性的匹配算法对人体进行头部跟踪.测试结果表明该算法达到了较好的效果.     

考虑出口选择因素的行人疏散模拟研究

为准确地描述行人的出口选择问题,通过建立出口选择模型、并程序模拟仿真的方法,讨论了决定行人出口选择的三个关键因素:距离、密度和出口宽度。以两出口为例研究表明:只考虑距离作用时,等宽度的两个出口的疏散行人数量由对应的疏散区域决定;进一步考虑密度因素作用后,可有效平衡两个出口的疏散行人,实现了疏散的动态优化;出口宽度不相等时,必须同时考虑3个因素对出口选择的作用,才能更合理地描述疏散过程。该出口选择模型可有效地描述行人动力学特征,适用于非单一出口的一般情况。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

基于空间点特征和改进Hausdorff距离的图像配准方法

在基于特征的图像配准中,针对基于边缘的Hausdorff距离计算效率低的问题,提出用能表示图像空间结构的特征点来进行Hausdorff距离计算的方法。该方法是通过检测图像中的特征点来减少匹配点集中点的数量,实验证明了该方法的有效性,以及在计算和匹配时间上要优于基于边缘特征的Hausdorff距离计算方法。针对稀疏特征点集的特点,提出了改进Hausdorff距离,该距离通过改进部分Hausdorff距离使其更加适用于稀疏点集的距离计算,实验表明该距离在抗噪等方面优于其他Hausdorff距离。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

多出口条件行人疏散的元胞自动机模型

在行人疏散元胞自动机模型的基本框架下,提出了一种针对多出口条件的静态场计算方法,该方法能成功解决疏散空间中存在障碍物的问题,在此基础上设计了满足多出口条件行人疏散仿真需要的模型更新规则。之后通过对行人出口选择行为的影响因素进行分析,将行人出口选择行为的影响因素归结为行人主观因素、客观因素和随机因素。根据随机效用理论,用效用描述了行人出口选择行为,建立了行人出口选择行为的多项Log it模型,并以此为基础完善了模型更新规则中的出口选择规则。最后通过计算机编程仿真研究了行人疏散时的理性程度、影响因素的敏感性系数等模型参数对仿真结果的影响。通过仿真表明,该模型能有效地显现多出口条件行人疏散特性。     

红外图像中人体实时检测研究

对红外图像中的人体检测问题进行了研究,提出一种快速、高效的检测算法。针对红外图像中人体图像的特点,通过方向投影确定了人体候选区域可能存在的位置,进而采用方向梯度直方图对候选目标进行了特征描述。将方向梯度直方图作为输入向量采用Fisher线性判别和贝叶斯分类器对候选目标进行了分类,以对候选目标中存在的人体进行检测。大量的实验结果表明所提出的算法是有效的。     

基于元胞自动机的地铁火灾疏散动态分析

在元胞自动机基本模型基础上,结合地铁人员疏散特征,开发一种扩展元胞自动机模型。模型采用危险度的概念来反映人员对地理位置的认识,以及火情对主观选择的影响作用,并引入附加危险度来实现人与人,人与障碍物之间的摩擦和排斥效应,该附加危险度随乘客运动实时调整。根据人行特征,采用八方向运动规则,结合人员密度确定乘客疏散速度,体现快即是慢的疏散规律。通过站台和站厅两幅总危险度图的布置,模拟整个地铁建筑中人员的逃生过程,以广州地铁二号线某中间站为例,分析了乘客高峰期和非乘客高峰期,以及地铁环境正常运行状态和火灾紧急运行状态下的疏散动态特征。仿真结果显示进入紧急模式下,即使乘客满员,楼梯和闸机的疏散能力能够满足地铁疏散要求。当预警滞后或控制不动作时,逃生所需时间有明显增加,整个疏散通道上,楼梯和站厅检票闸机处形成两处瓶颈,而且闸机疏散能力明显不足。     

斜坡通道双向行人流安全疏散行为研究

斜坡通道中双向行人流的行为动态是研究人群安全疏散的基础.人群密度增加时,行人之间的挤压、冲突作用均增强,加之,斜坡倾角越大,行人行走的稳定性越差,易引发推挤倒地的安全隐患.本文建立斜坡通道中双向行人流的势函数场元胞自动机模型,考虑行人之间作用力和通道倾斜度影响.该模型用于模拟行人流动态和倒地现象.模拟结果得出:当通道坡度、行人入流密度增加时,上坡人群的倒地概率达40%,而下坡人群的倒地概率高达60%.在此基础上,考虑到我国行人偏向右边行走的习惯,以及人群的跟随效应,通过划分两个方向人群的入流位置,将两向行人流分为两股互不干扰的行人流,从而解决行人之间的挤压与冲突,并通过模拟验证该策略可避免倒地现象发生.     

一种运动学形式的人员疏散仿真微观模型研究

从疏散群体中的人员个体角度出发研究人员疏散规律,提出一种运动学形式的离散时间仿真微观模型.每个个体的运动完全由其运动方向及速度大小所确定,将个体的运动姿态用两个笛卡儿坐标和一个方向角表示,进行运动学近似,个体运动过程由速度的两个"瞬时"值描述,即平移线速度和偏转角速度.进而考虑影响个体运动方向及速度大小的主要行为原则,建立综合这些行为影响因素的模型方程,允许通过调节各种参数,研究环境及个体心理状态对疏散的影响.     

突发事件对隧道行人疏散时间的影响

当前的研究少有关注不同的突发事件对行人安全疏散的影响，依据突发事件的类型将其分为静态突发事件和动态突发事件，并建立了行人流多智能体仿真模型。模型依据行人离出口的距离以及单元格的拥挤程度定义行人获得的效用，采用贝叶斯纳什均衡，找出每个行人预期效用最大的单元格并作为其移动的目标。以某隧道行人流为背景，对模型有效性进行验证。最后，通过多场景仿真实验，得出：突发事件发生之前，要关注隧道中部的人群状况，防止突发事件；突发事件发生之后，要根据实际情况引导行人做出一致的响应。研究结论可为隧道等场所的行人流管理提供决策依据。     

基于巢式和交叉巢式logit的行人步行行为模型

为量化分析行人行为并仿真行人步行轨迹,建立基于巢式和交叉巢式logit的行人步行行为模型.首先,提出建模思路,重点分析行为理论、NL模型和CNL模型等基本理论.其次,将行人分为自由流和非自由流两种状态,针对保持原方向、距离目的地更近、自由流下的变速、躲避对向行人和超越同向行人5种步行意愿,分别建立效用函数,构建行人步行行为的NL模型和CNL模型.最后,通过视频采集的数据,运用biogeme软件标定模型系数,并与实际的行人轨迹比较分析模型的准确性,发现模型能够以80.26%的准确性拟合实际行人轨迹.结果表明,模型能准确拟合低密度情况下的行人步行轨迹,具有实际应用价值.     

用于估计信号交叉口行人延误的微观仿真系统

针对发展中城市中由定周期两相位交通灯控制的交叉口，建立了用于估计行人延误的微观仿真系统。信号灯周期被划分为一系列分相位，每个分相位持续1s。仿真系统包括车辆发生器、行人发生器、行人模型、统计模块等。其中，车辆发生器用于估算各分相位穿越人行横道的车流率，进而产生车辆序列；行人发生器用于产生到达人行横道的行人序列；行人模型包含若干行人行为规则；统计模块用于统计各分相位到达行人的平均延误，以及总的行人平均延误。最后，微观仿真系统用采集自西安市一个信号交叉口的数据进行了验证，结果表明它能比较准确地估计行人延误。     

基于危险源影响的地铁车站乘客疏散仿真模型

为研究地铁车站在危险源突发事件条件下乘客主观能动性和外界环境对疏散过程的影响,结合危险源场景特征对乘客疏散过程进行社会力分析,建立基于危险源的社会力模型.模型考虑了乘客的主观能动性,调整自驱动力中期望速度大小和方向的确定方法及更新规则,并针对外界环境的影响,引入危险源对乘客的排斥力.以上海地铁某车站站台层为场景进行算例应用及分析,仿真结果表明:模型能较好地模拟危险源突发事件下乘客疏散过程.为减少疏散时间,车站疏散组织工作要安排乘客合理绕行,控制危险源范围,当车站密度小时,要提高乘客期望速度,而车站密度大时,则要提高瓶颈的通行效率.     

考虑指示标志的视野受限情况下人员疏散模型

为研究视野受限对行人疏散过程的影响,建立视野受限情况下行人疏散元胞自动机模型。模型中根据视野半径大小,将疏散空间划分为3个不同的区域,行人在不同区域有着不同的运动方式;定义不同的收益参数,用于计算行人运动收益矩阵,确定行人下一个时间步的目标位置;建立疏散场景,对不同行人初始密度,视野半径变化以及指示标志在不同区域进行仿真模拟,分析这些因素对行人疏散过程的影响。仿真结果表明：行人初始密度越大,所用疏散时间越长;视野半径增大有助于行人疏散,当视野半径增大到一定值后,对行人疏散效果增益不明显;房间内有指示标志情况下行人所用疏散时间要明显小于没有指示标志的情况,且盲目运动区有指示标志时行人疏散效率要高于墙壁可见区有指示标志的情况。