混合交通环境下行人安全状态识别与预警技术研究

混合交通环境下，实时、准确、可靠地检测出车辆周围行人，通过对行人姿态估计、意图分析和运动预测，评估其安全状态，并以多种方式警告行人、驾驶员及跟随车辆可能发生的碰撞等级，为避免交通事故发生提供有力的理论依据和技术支撑。提出一种基于多传感器融合的行人检测方法。以距离传感器完成行人检测，视觉传感器完成行人识别和意图分析，克服单一传感器的局限性，解决算法的实时性与鲁棒性问题。提出一种基于车路协作的行人检测方法。利用无线传感网络，搭建多平台多传感器框架，实现车辆与道路之间协作，扩大系统感知范围，消除信息盲区，解决混合交通环境下行人遮挡、道路死角问题，保证行人检测可靠性。提出一套完整的行人意图分析与预测算法。通过行人姿态估计、意图分析和运动预测，提高高机动性目标的跟踪速度与精度，为实现行人安全状态评估和预警提供技术支撑。建立覆盖典型场景的行人测试数据库，为研究行人安全状态识别，算法测试和评估奠定基础。

混合交通条件下，实时、准确、可靠地检测出车辆周围的高机动性的行人，通过对行人的姿态估计、意图分析和运动预测，对其安全状态进行评估，从而以多种方式警告行人、驾驶员以及跟随车辆可能发生的碰撞等级，为避免交通事故的发生提供了有力的技术支撑。.主要研究内容：.1）提出基于多传感器融合的行人检测方法。以距离传感器完成行人检测，以视觉传感器完成行人识别和意图分析，克服单一传感器局限性，解决算法实时性与鲁棒性问题，并完善摄像头和激光雷达的联合标定方法。2）提出基于车路协作的行人检测方法，包括基于GPS的多车协作和基于路口信标的车路协作行人检测研究。利用无线传感网络，建立多平台多传感器框架，实现车辆与道路之间协作，扩大系统感知范围，消除信息盲区，解决混合交通条件下行人遮挡、道路死角问题，保证行人检测可靠性。3）提出一种新的行人检测算子G2P，结合基于改进的TLD 框架的行人跟踪系统，提高行人检测的适应性和稳定性。4）提出基于GPDM和HMM的行人意图分析与预测算法。利用GPDM学习低维隐空间和高维人体位姿空间的映射，捕获人行走时的动力学特征，作为隐式马尔科夫模型输入数据的观测状态，达到预测隐式的行人行为的目的，最终实现对行人意图的分析与预测，解决行为预测的多变性与复杂性。.取得的重要成果如下：.1）在国内外重要学术刊物上发表论文15篇，在国际学术会议上发表8篇，其中SEI收录累计3篇，EI收录累计15篇。项目执行期间获得国家发明专利授权3项，申请国家发明专利6项并均已公开。2）已培养13名硕士研究生毕业，另外有3名博士研究生参与了该项目的研究工作。3）参加学术会议10次，和美国伯克利大学、美国CMU大学、法国国家信息与自动化研究所、法国巴黎矿业大学、日本丰田工业大学等建立了长期合作关系，并于2014年10月31日加入了自动驾驶国际联盟。4）研究成果已集成在所研制的CyberTiggo智能车和CyberOne无人电动车上。