基于視覺的駕駛行為建模.pdf

1、隨著汽車保有量的急劇增加，交通安全問題日益突顯。駕駛行為建模是自主駕駛和車輛安全輔助駕駛的關鍵技術之一，對減少交通事故、提高交通安全具有重大的理論意義和應用價值，本文圍繞基于視覺的駕駛行為建模的關鍵技術進行了深入研究。論文的主要工作和創(chuàng)新點如下:
　　(1)提出了一種基于序列圖像的交通場景三維重建方法。采用EM算法進行靜態(tài)點集和基礎矩陣估計，E步利用極線約束和基礎矩陣檢測交通場景中的靜態(tài)特征點，M步根據(jù)靜態(tài)點采用8點法估計基礎矩陣

2、;利用奇異值分解和絕對二次曲線約束估計投影矩陣;提出了基于PCA的交通運動場景點的重建方法，使用PCA確定軌跡基元，將運動場景點的軌跡看作是軌跡基元的線性組合，利用最小二乘法求得場景點的三維軌跡，實現(xiàn)交通運動場景點的重建。該方法省去了攝影重建的過程，大大減少了計算復雜度。實驗結果表明了該方法的有效性。
　　(2)提出了基于協(xié)方差描述子的交通場景理解方法。為了克服基于單一特征的交通場景分割與識別的不足，采用交通場景的運動結構特征、紋

3、理和顏色特征，并利用協(xié)方差描述子進行多特征融合，以消除特征冗余以及不同特征數(shù)值懸殊對圖像分割的影響;使用多類LogitBoost分類器進行交通場景分割與識別。實驗結果表明該方法有效地提高了交通場景分割與識別的效果。
　　(3)將視覺注意機制引入交通險情的檢測，提出了基于視覺注意力模型的交通險情的檢測方法。為了提高檢測速度，采用半球形稀疏采樣法減少了計算量;使用貝葉斯概率模型和高斯核函數(shù)對交通視頻進行非參數(shù)顯著性度量，分析視頻顯著性

4、，采用多尺度顯著圖計算方法以提高檢測精度。實驗結果表明該方法能有效檢測交通險情。
　　(4)提出了基于貝葉斯模型的駕駛行為建模方法，以貝葉斯概率模型作為駕駛模型，根據(jù)交通場景和車輛自身的速度、位置信息，預測正常情況下的駕駛行為;利用稀疏貝葉斯學習方法對模型參數(shù)進行估計。該模型實現(xiàn)了直行、變道、加速、減速等多種駕駛行為的預測。實驗結果證明本文方法有較好的預測性能。
　　(5)提出了基于模糊規(guī)則的險情駕駛行為建模方法。根據(jù)駕駛人