面向安全辅助驾驶的行人佩戴耳机行为识别算法研究

发布时间：2021-03-12 08:44

　　行人是弱势交通群体之一,行人交通事故频发,保障行人安全势在必行。在高级辅助驾驶系统（Advanced Driving Assistance System,ADAS）中,有关行人的研究多集中在行人目标检测,而对行人行为分析亟待完善和补充。随着电子产品的普及,行人佩戴耳机行为司空见惯。行人佩戴耳机,自娱自乐,使自身曝露在潜在的碰撞危险中,同时也对其他交通参与者造成干扰,其安全态势非常严峻。为此,本文以行人佩戴耳机行为为研究对象,基于YOLOv3-Max网络,研究过街场景下的行人目标识别;基于此,应用Adaboost算法和SVM分类算法,对行人佩戴耳机行为进行辨识,及时对驾驶人发出预警,完善安全辅助驾驶方面的相关研究。论文的主要研究内容如下:1)构建Caltech-Mix行人识别混合数据集。针对Caltech行人数据集行人样本多样性不足的特点并结合本文研究场景下的大尺寸行人特点,以Caltech数据集筛选所得的5206张图像和自采集的6640张行人图像为主体,以INRIA数据集和CVC行人数据集为辅,共同构建形成适用于本文场景下的行人识别数据集Caltech-Mix混合数据集。2)设计基于Y... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：104 页

【学位级别】：硕士

【部分图文】：

近年来各国因行人佩戴耳机导致行人伤亡案例

常见耳机分类

论文技术路线图

【参考文献】：
期刊论文
[1]交通强国的内涵及评价指标体系[J]. 李连成.  北京交通大学学报(社会科学版). 2020(02)
[2]融合皮肤检测的卷积姿势机手势分割方法[J]. 吴鹏,牛斌,马利,徐和然.  计算机工程与设计. 2019(11)
[3]驾驶人手机通话行为中基于图像特征决策融合的手势识别方法[J]. 程文冬,马勇,魏庆媛.  交通运输工程学报. 2019(04)
[4]基于稀疏编码和背景差分的迁移学习行人检测算法[J]. 崔鹏,赵莎莎.  光电子·激光. 2018(09)
[5]基于背景建模和帧间差分法的高点监控行人检测[J]. 胡亚洲,周亚丽,张奇志.  实验室研究与探索. 2018(09)
[6]不同驾驶员响应特性下的前碰撞预警安全收益分析[J]. 陈名扬,朱西产,马志雄,陆依倩,江丽君.  汽车技术. 2016(11)
[7]基于传感器的车笛感知智能耳机[J]. 张永棠.  集成电路应用. 2016(07)
[8]基于机器视觉的驾驶人使用手持电话行为检测[J]. 张波,王文军,魏民国,成波.  吉林大学学报(工学版). 2015(05)
[9]基于中国市场特定需求的汽车先进驾驶辅助系统发展趋势研究[J]. 马钧,曹静.  上海汽车. 2012(04)
[10]基于半马尔可夫和Large-margin的动作识别[J]. 汪力,叶桦,夏良正.  中国图象图形学报. 2009(11)

博士论文
[1]基于机器视觉的先进辅助驾驶系统关键技术研究[D]. 范延军.东南大学 2016

硕士论文
[1]面向智能辅助驾驶系统的驾驶员行为分析与建模[D]. 陈华.吉林大学 2018
[2]驾驶愤怒现状及其对道路交通安全影响的研究[D]. 李圳.东南大学 2018
[3]行人过街使用手机行为特性及管控方法研究[D]. 凌飞阳.合肥工业大学 2017
[4]行人与非机动车信号交叉口穿越行为的比较研究[D]. 刘艳婷.北京交通大学 2016
[5]复杂场景下多姿态行人检测与识别方法研究[D]. 王兴宝.苏州大学 2012



本文编号：3078031