行人碰撞交通事故再现的综合分析

这篇论文阐述行人碰撞交通再现方法的观战并提出了对有关文献的综合评论。为了能从事故现场获取有效的资料，从而能再现交通事故的具体情节，人们研讨了好几种分析方法。从这篇论文中可概括为：刹车痕迹检验；残留与遗留物分析；损害与伤害分析，行车轨迹鉴定；夜间视见度；体内酒精浓度的影响。     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

基于改进锚候选框的甚高速区域卷积神经网络的端到端地铁行人检测

在地铁监控场景下的行人检测,具有客流量大,遮挡程度高的特点。针对该场景的行人检测,提出基于深度学习甚高速区域卷积神经网络的端到端头肩检测方案。由于甚高速区域卷积神经网络模型对目标检测具有普适性,针对通过地铁监控摄像头采集的真实的客流图像数据,人工标注训练及模型测试数据集进行分析;进而根据头肩特征面积分布较集中,长宽尺度比例可明显分为一类的特性对区域建议网络网络中的锚候选框进行了改进,使其更适应地铁特殊场景中的行人检测。改进后的模型在保证系统检测精度的同时提升了检测实时性,可以精确检测地铁场景下不同姿势的头肩部位;并在不同场景及视角下的检测也取得了较好的效果。     

基于稀疏编码的迁移学习及其在行人检测中的应用

行人检测是计算机视觉领域中的研究热点,其实质是一个二分类问题.目前基于统计的行人检测技术已取得了一定进展,但大都需要大量的训练数据.针对这一问题,提出了一种基于迁移学习的半监督行人分类方法:首先基于稀疏编码,从任意的未标记样本中,学习到一个紧凑、有效的特征表示;然后通过迁移学习,将学习到的特征表示方法迁移到行人分类中.在MIT行人数据库上的实验结果表明:该方法能有效地刻画出行人的特征,提高行人分类的性能,在标记样本少的情况下仍具有良好的分类效果,因此可应用于行人检测中.     

基于视频图像处理的行人和非机动车数据采集技术

在交通数据实时采集的诸多技术中,基于视频图像处理的方法不但能够克服人工采集方法精度低、可靠性差等缺陷,还能够解决传统的感应线圈检测、雷达检测和微波检测等方法无法检测非机动车和行人的问题.本文针对该问题设计和提出在混合交通情况下的视频交通数据采集系统,通过将视频图像处理技术和神经网络相结合,采集交通数据并识别和区分不同种类的交通对象.经过测试实验,效果比较理想.     

城乡结合部路段行人过街影响因素调查与分析

为了确定我国城乡结合部行人过街的安全影响因素,对城乡结合部路段上行人的过街心理进行了调查及分析.首先利用计划行为理论进行心理问卷设计,并通过预调查,使用克伦巴赫系数和Spearman等级相关系数验证了问卷的信度和效度,表明问卷可信并能够有效的反映行人过街的心理行为.通过正式调研,对调查的数据进行分析,结果表明:安全设施的设置和亲友对过街行为的态度将直接影响行人过街行为.研究结果可为我国城乡结合部行人安全措施的实施提供参考.     

基于儿童行人头部保护的发动机罩设计分析

为了改善被研究车辆的儿童行人保护性能,建立了儿童头锤冲击汽车前部结构的有限元模型,并采用同类车型试验数据验证了模型的有效性.研究了同样结构下低碳钢和铝合金发动机罩的行人保护性能,并针对儿童行人头部保护设计了波浪式内板和夹层铝合金2种不同结构的发动机罩.为了增加发动机罩的吸能特性和降低头部损伤相关的加速度参数值,研究了发动机罩边缘和翼子板间的吸能结构.结果表明:设计的新型发动机罩使整个发动机罩的刚度分布更加均匀,能在儿童行人头部的碰撞区域有效地减小儿童行人头部损伤风险;这2种结构在具有原发动机罩模型相当的静态刚度的同时,提高了发动机罩的侧向弯曲和扭转刚度.     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

行人运动仿真研究综述

行人运动仿真是近年来仿真领域研究的热点之一。从行人运动仿真的研究意义和研究内容出发,介绍了国内外行人运动仿真研究发展历程和研究现状,论述了行人运动仿真模型的三种类型,分析了成本效益元胞模型、元胞自动机模型、磁场力学模型、社会力学模型、排队网络模型五种典型的行人运动仿真模型的原理和适用条件。最后探讨了目前行人运动仿真研究中存在的问题及未来的发展前景。     

面向交通场景的轻量级行人检测算法

针对交通场景下行人检测模型网络复杂、参数量大以及难以在低性能设备上部署的问题,基于YOLOv5s网络模型提出了一种改进的轻量级行人检测算法。首先,使用Ghost模块重构YOLOv5s网络进行特征提取,降低模型的参数量和计算量,提高推理速度。其次,引入坐标注意力机制提高模型对目标特征的提取能力,提升其对小目标行人的检测效果。最后,采用SIoU损失函数加快模型的收敛速度,提高模型的识别准确率。实验结果表明,改进后的算法能保证较高的检测精度,与原始YOLOv5s算法相比参数量减少47.1%,计算量减少48.7%,提高了交通场景下行人检测的速度且易于部署。