防止人-车碰撞的交叉口过街行人位置预测

doi:10.3778/j.issn.1002-8331.2008.33.010

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (33): 34-36.DOI: 10.3778/j.issn.1002-8331.2008.33.010

防止人-车碰撞的交叉口过街行人位置预测

马国胜^1,2,白玉¹,朱彤¹

1.同济大学交通运输工程学院，上海 201804
2.哈尔滨工业大学（威海）交通运输工程系，山东威海 264209

收稿日期:2008-08-05 修回日期:2008-08-29 出版日期:2008-11-21 发布日期:2008-11-21
通讯作者: 马国胜

Predicting position of pedestrian at crossroad for preventing pedestrian-vehicle collision

MA Guo-sheng^1,2,BAI Yu¹,ZHU Tong¹

1.School of Transportation Engineering，Tongji University，Shanghai 201804，China
2.Department of Transportation Engineering，Harbin Institute of Technology at Weihai，Weihai，Shandong 264209，China

Received:2008-08-05 Revised:2008-08-29 Online:2008-11-21 Published:2008-11-21
Contact: MA Guo-sheng

摘要/Abstract

摘要： 为减少交叉口人-车碰撞事故的发生，利用单目视觉技术和行人横道线特征建立图像像素坐标与实际路面坐标的映射关系，进行行人检测，在获得实时、可靠的过街行人交通参数的基础上采用卡尔曼滤波器预测过街行人的位置，用于判断行人-车辆潜在冲突点，为驾驶员提供行人信息，以便驾驶员采取相应措施保障过街行人的安全；最后进行了相关试验验证。

关键词: 横道线特征, 感兴趣区, 卡尔曼预测

Abstract: In order to decrease the pedestrian-vehicle accident at crossroad，coordinate relations between the image and road position based on monocular camera and zebra stripes feature is founded.After detecting pedestrian and getting real-time and reliable traffic information of pedestrian at crossroad，the position of pedestrian is predicted based on Kalman prediction to prejudge pedestrian-vehicle conflict point and provide pedestrian information for driver.Finally detecting and predicting method experiments are performed and the method has been proved to be correct.

Key words: zebra stripes feature, area of interesting, Kalman prediction

马国胜^1,2,白玉¹,朱彤¹. 防止人-车碰撞的交叉口过街行人位置预测[J]. 计算机工程与应用, 2008, 44(33): 34-36.

MA Guo-sheng^1,2,BAI Yu¹,ZHU Tong¹. Predicting position of pedestrian at crossroad for preventing pedestrian-vehicle collision[J]. Computer Engineering and Applications, 2008, 44(33): 34-36.

[1]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[2]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[3]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[4]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[5]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[6]	曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.
[7]	夏颖慧1，吴昊天2. 用于实现医学图像ROI对比度增强的可逆数据隐藏算法[J]. 计算机工程与应用, 2017, 53(18): 186-191.
[8]	刘万军，张洪伟. 改进颜色和小波变换纹理的图像检索方法研究[J]. 计算机工程与应用, 2016, 52(17): 181-186.
[9]	季云峰1，施之皓1，王朝立2，任杰1. 基于视频识别的乒乓球发球裁判系统实验研究 ——针对抛球高度和抛球角度问题[J]. 计算机工程与应用, 2016, 52(10): 207-212.
[10]	孟德欣，谢二莲. 基于Hough变换的汽车零件中圆形检测的改进算法[J]. 计算机工程与应用, 2015, 51(11): 172-174.
[11]	杨晓，刘俊杰，杨学友. 基于ROI编码的任意尺寸测量图像的压缩方法[J]. 计算机工程与应用, 2013, 49(4): 14-17.
[12]	许金金，王敏，吴伟交. 基于红外图像的车底藏人检测系统设计[J]. 计算机工程与应用, 2013, 49(3): 69-73.
[13]	张清1，刘慧霞2，席庆彪1，2. 一种融合多特征的UAV快速目标识别[J]. 计算机工程与应用, 2013, 49(3): 238-242.
[14]	贾伟1，张清2，席庆彪1，2，刘慧霞1. 基于SURF的UAV快速目标识别算法[J]. 计算机工程与应用, 2013, 49(23): 132-136.
[15]	王盼盼，程良伦. 超大视场自适应快速对焦算法[J]. 计算机工程与应用, 2013, 49(20): 150-152.

防止人-车碰撞的交叉口过街行人位置预测

Predicting position of pedestrian at crossroad for preventing pedestrian-vehicle collision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics