大型车辆右侧盲区行人碰撞预警方法的研究

摘要

近年，由于经济发展和工业运输的需要，大型车辆的保有量不断增加，相应地导致了大型车辆事故不断发生，造成严重人员伤亡的同时还引发经济的巨大损失。其中，因为大型车辆后视镜盲区、车轮内轮差以及驾驶员注意力不集中等问题的存在，在右转弯时会与其他车辆或行人发生碰撞事故，造成严重后果。因此，作为降低交通事故发生率有效手段之一的汽车安全驾驶辅助技术受到越来越多的关注。对车辆盲区进行监测和在碰撞前进行预警是汽车安全辅助驾驶系统所必备的功能，它能够自动检测出障碍物及其距离，对驾驶员进行提示，必要时采取辅助制动的方式，从而避免碰撞事故的发生。
　　针对大型车辆右转弯事故，本文从后视镜盲区、车轮内轮差等方面来分析大型车辆与行人的碰撞问题，研究了行人的检测算法，并对行人进行跟踪，然后确定行人与大型车辆间的距离测量方法。在此基础上，选择有效的预警方法，从而实现大型车辆右转弯碰撞预警的功能。本文的主要内容概述如下：
　　（1）从训练、检测两个模块，对行人检测的算法进行研究。在训练模块中，采集样本并进行训练，训练过程中利用积分图和PCA降低维数的方法加速特征的计算，获得关于行人识别的分类器。在检测模块中，对待识别图像设置感兴趣区域，以减少检测时间和误检率。最后，通过实验验证检测算法的有效性。
　　（2）在行人跟踪时以颜色模型为基础，加入纹理特征，利用颜色-纹理模型的Means hift跟踪算法实现行人运动轨迹的获得。同时，在跟踪过程中应用可变窗口的自适应更新算法解决行人运动过程中尺寸变化的问题。实验表明该算法跟踪效果良好。
　　（3）对现今测距方式进行简要分析，最终确定探测目标信息完整且更符合人的认知习惯的视觉测距系统。考虑到成本和实用性，本文采用单目视觉测距来实现大型车辆与行人间的距离测量。利用图像变换理论、小孔成像理论构建单目视觉测距模型，完成实验验证。
　　（4）通过模糊模式识别的方式对大型车辆右转弯碰撞进行预警。利用模糊动态聚类分析对采集到的时间、距离信息处理后，得到标准的预警模型。在模糊模式识别基础上，采用择近原则对待识别样本进行判别，即危险程度的分类。实验验证该模型鲁棒性较好。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3本文研究内容

第二章 基于视觉的行人检测

2.1 概述

2.2行人的特征提取

2.3 SVM分类器

2.4 行人检测

2.5 实验结果与分析

2.6 本章小结

第三章 车辆右侧盲区的行人跟踪

3.1 概述

3.2 Meanshift算法

3.3 颜色-纹理特征模型

3.4 Meanshift算法的实现

3.5 可变窗口的自适应更新

3.6 行人行走轨迹的获得

3.7实验结果及分析

3.8 本章小结

第四章 基于单目视觉的行人测距

4.1 概述

4.2 测距方法

4.3 行人距离测量

4.4 距离测量实验

4.5 本章小结

第五章 右转弯碰撞预警

5.1 概述

5.2 车辆右转弯事故

5.3 模糊动态聚类分析

5.4 模糊模式识别

5.5 右转弯盲区碰撞预警实验分析

5.6 本章小结

第六章 总结与展望

6.1 全文总结

6.2 论文不足与展望

参考文献

致谢

攻读硕士学位期间发表的学术论文