基于支持向量机分类决策的行人导航零速修正方法

为了减小行人导航过程中的误差,提出基于支持向量机分类决策的零速反馈修正方法。根据行人足部运动特点,构建行人足部运动模型,利用支持向量机决策方法对足部运动样本数据进行训练和提取数据特征,建立超平面方程。通过超平面函数对行人足部运动数据进行分类和决策,辨别区分静止段和运动段。在零速静止段,对惯性导航解算的速度、角速度和方向进行修正,利用扩展卡尔曼滤波递推方法进行方向、速度和位置误差跟踪。进行了行人按既定路径的行走跟踪实验,结果表明,设计的行人导航系统能够使行人行走轨迹与设定路径完全吻合,多次测试数据最大误差小于2.5%,平均误差为1.94%。因此,基于支持向量机分类决策的行人导航零速修正方法能够准确地对行人轨迹进行跟踪和定位。     

信号交叉口行人过街速度的时空特征分析

为了解信号交叉口不同空间及时间段的行人步行特征,对6个不同行人信号设置地点的交叉口的行人数据进行了采集,并采用统计分析方法分别对不同性别、年龄、结伴人数以及信号显示类型下的行人步行速度特征进行了分析。结果显示,行人性别对过街速度没有显著影响;行人年龄对过街速度有影响,青少年步行速度最高,老年人的步行速度最低;有无结伴行人对过街速度的影响不大;行人在无倒计时交叉口的过街速度显著高于有倒计时交叉路口的;行人在绿灯后期的过街速度显著高于绿灯前期的;而行人在道路前半幅的速度显著高于后半幅的。     

基于多特征的快速行人检测方法及实现

针对行人检测速度与实际应用问题,本文提出一种多特征的快速行人检测方法并应用于视频监控系统中。首先通过混合高斯建模,提取图像有效的运动区域,使得检测面积缩小;接着,将提取出的图像进行边缘处理,对HOG特征与LBP特征进行融合,使用支持向量机(SVM)训练分类器;最后在Hi3516A开发板上实现行人检测算法,实现实时监控检测。本文分别在PC端和开发板上进行实验,结果表明本文方法有效地提高了速度,达到了实时行人检测要求,且系统运行稳定,可用于实际监控中。     

基于积分通道特征的异常行为检测算法

对视频中的行人异常行为检测问题进行了研究。针对传统行人异常行为检测算法在准确性和兼容性方面的不足,提出一种基于积分通道特征的异常行为检测算法;该算法利用背景分割和行人信息统计的方式,对不同背景下的视频模型进行了建模。结合对行人个体的轨迹分析,对运动个体的位置进行异常行为检测。算法首先对检测区域采取区域划分,然后采用改进的积分通道特征行人检测算法对目标进行检测,最后采取Mean-shift算法对目标进行跟踪。最后的实验数据表明该算法整体性能有所提高。     

结合语义分割和特征融合的行人检测方法

针对传统行人检测方法在复杂场景下存在遮挡行人和小尺寸行人检测效果差的问题,提出一种结合语义分割和特征融合的行人检测方法。该方法的网络结构以区域全卷积神经网络为基础框架,根据行人检测任务进行改进。使用深度残差网络提取出多尺度的特征映射图;通过全卷积语义分割网络,得到对应的语义分割图;利用特征融合模块构造出融合特征图;将融合特征图送入区域建议网络和检测网络,完成行人检测。在Caltech和ETH行人检测数据集上进行试验验证,结果表明,与传统行人检测方法相比,该方法的行人检测准确率得到提高,同时检测速度满足实时性要求。     

基于改进的HOG与Sobel-LBP融合的快速行人检测

行人检测是目标识别领域的一大难题,针对行人检测存在特征维度高、检测耗时和精度低等问题,文章提出使用多尺度分块方式将样本图片在3个尺度下分别分割成5个区域,在每个区域中根据行人轮廓置信模板和梯度方向量化权值进行二次加权统计得到梯度直方图(histogram of oriented gradient,HOG),并将其与Sobel边缘局部二元模式(Sobel edge local binary pattern,Sobel-LBP)算法相融合作为特征,然后采用线性支持向量机(support vector machine,SVM)分类方法学习得到行人检测分类器,最后使用滑动窗口法检测出行人。在MIT和INRIA库上的实验证明,该特征在学习和检测速度上都比HOG等方法有明显优势,能有效、准确、快速地检测行人。     

基于位置特征的运动行人检测与跟踪方法

针对在静态背景视频中行人检测和跟踪时受行人运动状态影响较大,容易产生误识别,提出了一种基于位置特征的运动行人检测与跟踪方法.检测阶段得到运动行人的二值化差分图后,引入水平融合值、垂直融合值将满足融合要求的非连通区域外接矩形融合得到一个新矩形,以新矩形及其中心作为行人的位置特征,对行人进行检测与跟踪.用该方法跟踪行人视频中的两个行人,跟踪准确率分别为98%与95%.     

基于边缘分割的车载单目远红外行人检测方法

基于机器学习的车载单目远红外行人检测方法存在实时性较差和检测精度较低的问题.为此,文中提出了基于边缘分割的头部-方向梯度直方图-支持向量机(Head-HOGSVM)行人检测方法,引入加权Sobel算子强化行人的垂直边缘以分割行人候选区域;根据不同距离行人的外观模式选择行人检测方法:使用头部特征检测中、近距离行人以改善系统的实时性,使用头部识别级联基于方向梯度直方图特征的支持向量机(HOG-SVM)分类器检测成像模糊的远距离行人.在多个郊区场景视频数据集上的实验结果表明,与基于双阈值分割的HOG-SVM分类方法相比,文中方法的检测精度和检测速度分别提高了约33%和200%.     

基于三帧差分法与质心匹配的行人自动计数算法

为了实现对视频序列中人流量进行实时、准确的检测与跟踪,提出了一种基于三帧差分法的行人质心匹配的行人检测与跟踪算法.采用改进的三帧差分法实现对运动目标信息的检测,然后根据运动目标的信息进行行人面积与质心的计算,并根据质心最近距离匹配、运动方向一致性、越界检测的原则对行人进行跟踪.实验结果表明,该算法在不降低检测效果的情况下明显提高了行人检测与追踪的效率.     

基于多特征的AdaBoost行人检测算法

针对单特征辨识度较低问题,基于多特征的AdaBoost行人检测算法,提出一种融合灰度和轮廓信息的新的多特征综合表示方法.该方法通过统计样本的权重直方图建立分类模型,并用多个直方图的乘积表示样本在多特征下对应的联合概率分布,从而基于多特征联合概率更精准地描述行人,提高行人检测的鲁棒性.实验结果表明,改进后的基于多特征行人检测算法提高了行人检测精度、降低了误检率,目标识别的置信度明显提高,在多变的自然背景下可以取得较好的效果.     

基于光流重构和深度姿态特征的行人跌倒检测方法

随着我国老龄化人群数量的增长，老年人实时行为轨迹的跟踪检测成为当前智慧社区研究的热点。本文针对现有行人跌倒检测算法在面临电动车流和行人影子的干扰而导致识别准确率不高的问题，提出了一种基于优化yolov5的路边行人跌倒检测方法。首先基于视频抽帧的方式将原始数据输入到yolov5网络进行监控行人视频数据的预处理，实现行人背景重构；然后提取光流和anchor框作为其运动特征；最后对此特征进行判定，进行信息融合的跌倒检测网络进行跌倒特征识别，并在不同帧序列和不同背景下进行对比试验。本文所提出的方法在行人跌倒数据集Multiple cameras fall和Le2i上进行了实验，结果表明本文的算法在基于电动车流和行人影子干扰场景下较传统方法在准确率和召回率上分别提升了9%和10%。     

基于时空消耗法的信号交叉口行人通行能力

为计算信号交叉口行人通行能力,提出时空消耗的方法.采用摄像法和人工测量法对北京中关村大街北四环和黄庄信号交叉口进行观测,采集数据包括交叉口人行横道长度、宽度、行人绿灯时间、行人步行时间、行人占用空间等,得到交叉口的时空资源并计算行人最小平均时空消耗,从而推算出人行横道的通行能力.2个交叉口的模型计算结果与实际观测数据误差分别为11.0%和5.8%.其对比分析结果表明,基于时空消耗方法的行人通行能力模型能够应用于交叉口的规划设计和控制管理.     

基于语义分割注意力与可见区域预测的行人检测方法

为改善图像中遮挡和小尺寸行人的检测精度，提出一种基于语义分割注意力和可见区域预测的行人检测方法.具体地，在SSD(single shot multi-box detector)目标检测网络的基础上，首先优化SSD的超参数设置，使其更适于行人检测;然后在主干网络中引入基于语义分割的注意力分支来增强行人检测特征的表达能力;最后提出一种检测预测模块，它不仅能同时预测行人整体和可见区域，还能利用可见区域预测分支所学的特征去引导整体检测特征的学习，提升检测效果.在Caltech行人检测数据集上进行了实验，所提方法的对数平均缺失率为5.5%，与已有方法相比具有一定的优势.     

速度异常的横穿马路行人检测算法

针对人车混行区域行人异常运动极大地干扰驾驶者判断问题,提出一种单目摄像机条件下,基于TLD和粒子滤波器行人检测与跟踪技术的速度异常横穿马路行人检测方法,用于检测车前道路上的运动速度过快或过慢的行人目标,作为危险行人提醒驾驶者注意,从而实现行人目标的早期安全预警。经仿真分析,能够有效地估计实际道路上行人的运动速度,判断运动速度异常的行人目标,为驾驶者和车载辅助驾驶系统提供必要的参考信息。     

A Robust Pedestrian Detection Approach Based on Shapelet Feature and Haar Detector Ensembles

Detection of pedestrians in images and video sequences is important for many applications but is very challenging due to the various silhouettes of pedestrians and partial occlusions. This paper describes a two-stage robust pedestrian detection approach. The first stage uses a full body detector applied to a single image to generate pedestrian candidates. In the second stage, each pedestrian candidate is verified with a detector ensemble consisting of part detectors. The full body detector is trained based on improved shapelet features, while the part detectors make use of Haar-like wavelets as features. All the detectors are trained by a boosting method. The responses of the part detectors are then combined using a detector ensemble. The verification process is formulated as a combinatorial optimization problem with a genetic algorithm for optimization. Then, the detection results are regarded as equivalent classes so that multiple detections of the same pedestrian are quickly merged together. Tests show that this approach has a detection rate of over 95% for 0.1% FPPW on the INRIA dataset, which is significantly better than that of the original shapelet feature based approach and the existing detector ensemble approach. This approach can robustly detect pedestrians in different situations.     

基于改进YOLOv5的拥挤行人检测算法

针对密集场景下行人检测的目标重叠和尺寸偏小等问题，提出了基于改进YOLOv5的拥挤行人检测算法。在主干网络中嵌入坐标注意力机制，提高模型对目标的精准定位能力；在原算法三尺度检测的基础上增加浅层检测尺度，增强小尺寸目标的检测效果；将部分普通卷积替换为深度可分离卷积，在不影响模型精度的前提下减少模型的计算量和参数量；优化边界框回归损失函数，提升模型精度和加快收敛速度。实验结果表明，与原始的YOLOv5算法相比，改进后YOLOv5算法的平均精度均值提升了7.4个百分点，检测速度达到了56.1帧/s，可以满足密集场景下拥挤行人的实时检测需求。     

车辆-行人/自行车骑车人事故死亡风险和头部动力学响应对比研究

通过对深入调查的交通事故数据进行分析和仿真,对比了中国道路交通环境下行人与自行车骑车人死亡风险和头部动力学响应的差异.从中国不同地区深入交通事故调查采集的数据中选出能估算出车辆碰撞速度且具有详细伤情记录的438例行人和自行车事故作为原始样本,利用逻辑回归分析建立了车辆碰撞速度与行人及自行车骑车人死亡风险的逻辑回归模型,分析了两者的死亡风险的差异.分别选取21例行人事故和24例自行车事故利用MADYMO软件进行了事故重建,比较了行人与自行车骑车人头部动力学响应.结果表明,车辆碰撞速度与行人和自行车骑车人死亡风险显著相关,相同车辆碰撞速度下自行车骑车人死亡的风险略低于行人.此外,行人与自行车骑车人的头部碰撞条件如头部碰撞速度和碰撞角度等也存在明显差别.此结果可为设定更加合理的中国道路车辆限速和制定有利于自行车骑车人和行人头部保护的策略提供参考.     

公交站点区域行人与非机动车交互行为建模与仿真

为研究公交站点区域行人和非机动车的冲突行为,在元胞自动机模型的基础上,首先,考虑激进型行人和混合非机动车流,通过行人穿越决策规则和非机动车避让规则耦合行人运动模型和非机动车运动模型,采用双向行人Blue模型模拟进出站行人的运动行为,采用改进的NaSch模型模拟非机动车的运动行为,建立公交站点区域行人与非机动车交互模型。然后,在北京市西单商场公交站B站台开展观测实验,微观层面展现行人和非机动车之间的交互作用,分析在不同流量构成下二者冲突演化规律以及进出站行人到达率、非机动车到达率对延误和冲突数的影响。研究结果表明,非机动车堵塞多发生在非机动车与行人刚开始的交互处,并向来车方向延伸。与进出站行人到达率相比,行人和非机动车延误受非机动车到达率影响更显著;在进出站行人比例为0.5时,行人和非机动车延误达到峰值;进站行人比例为1时,行人和非机动车延误比出站行人比例为1时延误小;在行人到达率一定时,冲突数随着非机动车达到率的增大而增加,当行人到达率较小时,冲突数呈缓慢地增长趋势,随着行人到达率的增大,冲突数增长率呈现先增大后减小的趋势。