C-NCAP（2018）行人保护对汽车设计开发的影响

C-NCAP将从2018年开始引入对行人保护的评价。与Eruo NCAP相比,C-NCAP（2018）虽然取消WAD 775 mm的上腿部碰撞测试,但是行人保护总得分率要求却明显提高,对行人保护的要求更加严格。根据行人保护的基本要求,从汽车前端造型、总布置以及结构设计3方面,阐述C-NCAP（2018）行人保护测试规程对汽车设计的影响,为旧车型的改造以及新车型的开发提供借鉴与参考。     

汽车与行人碰撞的动力学响应仿真研究

行人保护是汽车安全研究领域的重要问题之一。该文旨在研究真实事故中汽车前碰撞行人的动态响应。基于这一点，使用了一个经过验证的行人数学模型，模拟真实碰撞事故中行人的动态响应。文中对行人模型的运动学响应以及真实事故记录进行了比较，并且计算了头、胸、骨盆、下肢等人体各部分与损伤相关的参数。基于模拟研究的结果，提出了减少行人损伤风险的城区限行时速和通过改进汽车前部结构减少行人碰撞损伤严重程度的可行措施。     

基于局部图块匹配的行人跟踪算法

针对传统行人跟踪算法计算复杂度高的问题,提出一种基于局部图块匹配（local block-graphs matching , LBGM ）的行人跟踪算法。利用摄像机采集视频流帧画面中含有行人的多幅视频图像,按照行人所在的图像区域进行分割;对图块进行数据关联匹配,通过匹配结果完成对行人的检测过程,得到检测的行人集合;针对行人集合,利用损失最小化进行最小偏差的路径预测,实现行人的跟踪过程。选取多相机行人视频（multi-camera pedestrians video ）进行对比实验,实验结果表明,该算法可以有效地跟踪行人,较传统算法有更好的行人检测率和跟踪准确率。     

基于行人保护的翼子板设计

随着行人保护法规的实施，翼子板设计需要更多考虑行人保护因素，尤其在翼子板造型可行性分析阶段就要把行人保护考虑进去。本文主要从造型，结构等方面研究翼子板满足行人保护法规的可行方法，同时为主机厂前期翼子板设计提供一定的参考。     

改进型Cascada R-CNN的行人检测算法的研究

智能交通的中重要一点就是对行人的检测跟踪用以规避行人实现自动驾驶。在神经网络运用的目标检测之前,常见的行人检测方法有梯度直方图特征（Histogram of oriented gradient,HOG）与支持向量机（Support vector machine,SVM）相结合的方法,但是此方法的弊端较为突出,在检测准确率远远达不到目前主流的几种深度学习算法检测,其应用场景受到很大的限制。而目前在深度学习中,行人检测应用比较广泛的模型有Faster R-CNN、YOLOv3等,而论文将采用改进Cascada R-CNN模型,其比Faster R-CNN具有更好的抗干扰能力,在昏暗、光线不均匀等条件下具有较好的行人检测效果,同时使其能过更好的识别小样本行人,实验在INRIA数据集中完成训练与并在自制的测试集检测,取得了不错的效果。     

基于改进的Mask R-CNN的行人细粒度检测算法

针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比（2：5）使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络（FCN）分割前景对象,并进行像素预测获得行人的局部掩码（上半身、下半身）,实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法（如更快速的区域卷积神经网络（Faster R-CNN）、YOLOv2、R-FCN）在同数据集上进行对比。实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率。     

ReID2.0：从行人再识别走向人像态势计算

行人再识别（person re-identification,Person ReID）指利用计算机视觉技术对在一个摄像头的视频图像中出现的某个确定行人在其他时间、不同位置的摄像头中再次出现时能够辨识出来,或在图像或视频库中检索特定行人。行人再识别研究具有强烈的实际需求,在公共安全、新零售以及人机交互领域具有潜在应用,具备显著的机器学习和计算机视觉领域的理论研究价值。行人成像存在复杂的姿态、视角、光照和成像质量等变化,同时也有一定范围的遮挡等难点,因此行人再识别面临着非常大的技术挑战。近年来,学术界和产业界投入了巨大的人力和资源研究该问题,并取得了一定进展,在多个数据集上的平均准确率均值（mean average precision,mAP）有了较大提升,并部分开始实际应用。尽管如此,当前行人再识别研究主要还是侧重于服装表观的特征,缺乏对行人表观显式的多视角观测和描述,这与人类观测的机理不尽相符。本文旨在打破现有行人再识别任务的设定,形成对行人综合性观测描述。为推进行人再识别研究的进展,本文在前期行人再识别研究的基础上提出了人像态势计算的概念（ReID2.0）。人像态势计算以像态、形态、...     

行人交通微观动态元胞自动机仿真模型研究

在分析行人交通特性后,以元胞自动机（CA）和规则描述为理论基础,提出基于CA的行人仿真模型,以此建立相对于其他交通对象的行人避让模型。该方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题。结合行人CA模型和行人避让模型开发了混合交通流仿真试验原型系统。仿真结果表明,该方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有着广泛的应用前景。     

基于联合损失胶囊网络的换衣行人重识别

目前的行人重识别（Re-ID）研究主要集中在短时间情形,即一个人的衣着不太可能发生改变的情况。然而现实中更常见的是长时间的情况,这时一个人有很大的机会更换衣服,Re-ID模型应该考虑这种情况。为此,研究了一种基于联合损失胶囊网络的换衣行人重识别方法。所提方法基于换衣行人重识别胶囊网络ReIDCaps,使用与传统的标量神经元相比包含更多信息的矢量胶囊,用其长度表示行人身份信息,用其方向表示行人衣着信息;采用软嵌入注意力（SEA）防止模型过拟合;使用特征稀疏表示（FSR）机制提取具有判别性的特征;增加标签平滑正则化交叉熵损失与Circle Loss的联合损失以提高模型的泛化能力和鲁棒性。在三个换衣行人重识别数据集Celeb-reID、Celeb-reID-light和NKUP上进行实验,实验结果表明所提方法与目前已有的Re-ID方法相比具有一定优势。     

连续流交叉口行人延误计算模型

为了准确评价连续流交叉口行人过街服务水平,为其优化设计提供依据,本文对其行人延误进行了研究。针对连续流交叉口三种行人过街设计模式,根据行人流到达离散的特性,对不同行人流向（包括直行和对角穿行）的延误进行建模。利用VISSIM仿真对模型的准确性进行了验证,其偏差均小于3%。并通过敏感性分析,探讨了车辆需求、行人需求、斜穿交叉口行人比率对三种模式运行性能的影响。研究结果表明：传统行人过街模式主要适用于机动车和行人流量均较小的情况;穿插式行人过街模式主要适用于机动车和行人流量较大的情况;而行人专用相位过街模式虽然被选为最优的情况较少,但其对于流量和流向比例变化的敏感最低,适用于交通需求波动性较大的情况。     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。     

融合水平仪、气压计的行人位置估计算法

针对行人位置感知问题提出了一种融合水平仪、气压计的行人位置估计算法。利用水平仪采用行人航位推算算法完成行人二维室内定位,通过气压计辅助完成对多楼层的行人位置识别。通过采集实时的水平仪数据和连续的气压计数据,可以准确完成对行人所处多层建筑物中的位置变化追踪和定位。实验结果表明,本文算法定位的平均误差为3 m,90%的定位误差小于2m,60%的定位误差小于5m,优于传统行人航迹推算算法。     

基于R-FCN的行人检测方法研究

行人检测是计算机视觉中的研究热点,为了实现复杂场景下的行人检测,将基于区域的全卷积网络（Region-based Fully Convolutional Networks,R-FCN）引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点,修改了R-FCN的搜索机制,引入目标行人的区域划分（上下半身）和背景混淆干扰行人的强化学习策略,加强了对遮挡行人和背景相似行人的学习。并在此基础上,对R-FCN的输出进行二次分类学习。实验结果表明,通过对R-FCN的改进,可有效地缓解行人遮挡、背景混淆干扰和小目标条件下,传统R-FCN网络的漏报和误判问题。     

考虑个体行为的改进CA模型人员疏散研究

为更好模拟行人疏散过程中微观个体行为,考虑行人身材半径及在疏散过程中行人步行速度随运动状态变化,将社会力模型运行规则引入元胞自动机模型,建立了一种社会力模型计算步行速度、空间离散化程度和步行速度较高的疏散模型,用于模拟紧急情况下的行人疏散过程。在该模型中空间划分为更小网格,每个行人占用一到多个单元格,行人的身材半径不再不变,每个行人移动的距离由其速度决定,根据基于速度的出口选择方法和行人运动规律,通过数值模拟分析,研究了疏散过程中的动态性。研究表明基于速度的网格移动数量、行人数量、期望速度、行人身材半径、松弛时间等参数影响疏散效率,结合连续模型的优点能够更加客观真实刻画疏散过程,有助于离散模型描述行人疏散微观行为特征。     

融合分支定界的可变形部件模型的行人检测

针对可变形部件模型（DPM）算法在行人检测领域中的检测精度高,但由于在特征提取和行人定位两步中的计算量过大,导致检测速度过慢而不能应用于实时行人检测的问题,提出了一种融合分支定界算法和级联检测算法的可变形部件模型（BBCDPM）算法。首先,选取梯度方向直方图（HOG）特征作为描述人体目标的特征,从而生成特征金字塔;然后,进行可变形部件模型的建模,并使用隐变量支持向量机（LSVM）对模型进行训练;同时,为了提高行人检测的准确度,将传统可变形部件模型算法中的5个部件模型增加到了8个;最后,在利用了级联检测算法简化检测模型的基础上,结合了分支定界算法寻找最大值,排除大量不可能的对象假设,完成对行人目标的定位和检测。在INRIA数据集上进行了实验,结果表明,与传统DPM算法相比,该算法将准确率提高了12个百分点,且大幅提高了行人检测与识别的速度。     

基于状态精细化长短期记忆和注意力机制的社交生成对抗网络用于行人轨迹预测

针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题，基于状态精细化长短期记忆（SR-LSTM）和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络（SRA-SIGAN）模型，利用生成对抗网络（GAN）学习获得目标行人的运动规律。首先，使用SR-LSTM作为位置编码器提取运动意图信息；其次，通过设置速度注意力机制合理地为同一场景中的行人分配影响力，以更好地处理行人的交互；最后，由解码器生成预测的未来轨迹。在多个公开数据集上的测试实验结果表明，SRA-SIGAN模型的总体表现良好。特别是在Zara1数据集上，与SR-LSTM模型相比，SRA-SIGAN模型的平均位移误差（ADE）和最终位移误差（FDE）分别减小了20.0%和10.5%；与社交生成对抗网络（SIGAN）模型相比，SRA-SIGAN的ADE和FDE分别下降了31.7%和24.4%。     

基于视野域机制的行人轨迹预测

为提高行人在复杂交通场景中交互的安全性,提出一种基于social-GAN（social-generative adversarial network）的行人轨迹预测算法SAN-GAN（social angle norm-GAN）。该算法首先以行人历史位置信息与头部信息为输入,通过轨迹生成器LSTM网络（long short term memory networks）获取行人隐藏特征信息,并基于行人视野域模块捕捉行人视野域动态变化,对所有行人建立扇形视野域并筛选有效信息,从而驱动神经网络模型预测行人未来轨迹变化。将SAN-GAN与LSTM、social-LSTM（social-long short term memory networks）、social-GAN等轨迹预测算法进行对比实验,结果表明SAN-GAN算法相较于其他算法,在预测3.2 s的行人轨迹时,ADE分别平均降低65.8%、51.2%、10.7%,FDE分别平均降低73.6%、60.9%、10.4%。SAN-GAN能够有效地预测行人在复杂交通环境中进行交互的未来轨迹。     

基于改进WLD描述子的行人检测方法研究

近年来,行人检测研究受到越来越多的关注。提出一种使用改进的Weber局部描述子（IWLD）实现行人检测的方法,该方法有效地吸取HOG和Weber局部描述子方法的优势。将提出的IWLD用来刻画滑动窗口,从而实现行人检测。在INRIA行人数据库上的实验结果验证提出的IWLD检测子的有效性,与传统的行人检测方法（HOG和HOG—LBP）比较,该方法更优。     

智能行人闯红灯预警系统的设计

当今社会,交通环境越来越复杂,其中,交通灯是维持交通秩序的主要工具之一,在交通中起着重要的作用。由于一些人对交通灯规则的重视度不够,闯红灯现象依然存在,不仅影响交通秩序稳定,严重时会对人们自身生命安全造成威胁。本文研究了一种防止行人闯红灯的系统,主要采用STC15W401AS作为主控芯片,利用电机代替了水泵,完成系统的模拟运行。本系统主要由电源模块、最小系统模块、语音提示模块、双红外对管检测模块、水泵控制模块组成,利用现有的红外对管感知外界信息的变化,并与自动控水系统和语音提示系统相结合。当出现行人闯红灯时,语音提醒,并喷水警示,督促行人自觉遵守交通法则。本系统结构简单、成本不高,便于普遍试行,能有效加深行人的交通安全意识,减少交通事故的发生。     

行人运动建模技术综述*

随着计算机数值模拟技术的迅速发展,行人运动仿真技术开始成为人群疏散仿真、城市规划和计算机疏散软件开发方面的研究热点。介绍了对行人建模仿真的初步研究,重点介绍了基于行人行为的微观行人运动建模方法,并对各个模型进行了比较分析和研究展望。