基于机器视觉的汽车乘员类型识别系统研究

《基于机器视觉的汽车乘员类型识别系统研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于机器视觉的汽车乘员类型识别系统研究第1章绪论1.1课题研究的背景和意义近年来，我国汽车产业取得了飞速发展，统计数据表明，截止到2015年，汽车保有量到达1.63亿辆[1]，保有量已经仅次于美国，位居世界第二。同时汽车交通事故伤亡率也大幅度增高，是世界上交通事故伤亡率最高的国家之一。我国万车伤亡率为6.2，是发达国家的4到8倍，造成大量的人员伤亡和财产损失。如何降低汽车事故中乘员的伤亡率一直是汽车安全技术研究的重点内容之一。汽车安全技术领域包括主动安全技术和被动安全技术两个部分[2]。主动安全是指车辆在发生事故意外之

2、前，能够主动避免和预知；被动安全是指当车辆一旦发生交通事故时，能够保护车内乘员使之伤害降到最低水平。其中安全气囊技术的发展和应用是被动安全领域的主要研究方向和领域。自上世纪50年代以来，美国开展了安全气囊约束系统的理论研究，1953年美国人约翰特里申请了世界上首个安全气囊专利[3]汽车缓冲安全装置。1966年，梅塞德斯-奔驰开始研发安全气囊装置，基本原理是利用碰撞传感器和气体发生装置，使安全气囊在30ms内迅速膨胀展开。1980年，德国默谢台斯公司首先将安全气囊应用到汽车上。随着安全气囊广泛的使用，乘员的被动安全性在汽

3、车事故中有了明显的提高，安全气囊能够在碰撞事故中有效防止汽车乘员与车内部件发生二次碰撞，减小对汽车乘员的伤害。根据美国国家公路交通安全管理局（NHTSA）的统计，到目前为止，大约14200人的生命受到了安全气囊的保护[4]。而在德国，自上世纪90年代以来，由于安全气囊的保护，重大交通事故减少了2500例。据统计，安全气囊在严重的碰撞事故当中能够保护约三分之一的人员生还，另外，六分之一的驾驶员或前排乘客能够在碰撞中得到安全气囊的保护而被拯救[5]。虽然安全气囊能够保护乘员，但也造成了部分乘员不必要的伤害。根据NHTSA的

4、统计数据表明，在2001年到2006年期间，由于安全气囊的不适当展开，造成了576名乘员在碰撞事故中的死亡[6]。主要原因是由于安全气囊约束系统是按照正常坐姿和第九十五百分位男性理想状态设计的，不能充分保护各个类型乘员[7]。例如当汽车以60km/h速度行驶时，在发生碰撞时，气囊大约会以300km/h的速度弹出，这会对离位乘员或者较小体型乘员造成一定的伤害[8]。同时在低速条件下发生碰撞时，这时安全气囊展开会造成资源浪费，甚至可能加重对乘客的碰撞伤害。........1.2智能安全气囊系统的发展现状智能安全气囊系统[1

5、0]根据碰撞事故发生时的不同客观条件碰撞类型、碰撞强度、乘员坐姿和类型以及乘员的约束条件等自动调节安全气囊的展开时刻和展开强度等控制参数，智能安全气囊系统的技术关键为乘员类型识别分类系统，是智能安全气囊实现的前提。其工作原理如图1.1所示。1997年，日本丰田公司首次对智能安全气囊的基本原理和构架进行了系统阐述，同时定义安全气囊的智能化系统分为4个部分[11]：乘员识别/分类系统、控制系统、气体发生装置和气囊约束系统。在2001年，美国新FMVSS208法规要求到2004年，所有的客车和轿车都要安装智能安全气囊，以保护

6、前排儿童或者较小体型的乘员[12]。为此，很多国外汽车厂商在智能安全气囊领域的研发和生产上投入了大量资金和人力，并开发了相应的原型智能系统。在2001年，英国捷豹公司研发了自适应限制保护技术系统（ARTS），并将该智能安全气囊系统用在XK系列各车型上。该系统利用4个固定在挡风玻璃框上的超声波传感器检测并确定前排乘员的位置，同时利用座位质量传感器探测乘员的质量信息，固定在座椅滑轨上的传感器检测乘员相对于方向盘距离，结合碰撞发生时的强度，根据这些信息，ATRS可以最优化气囊的展开时刻和展开强度，从而实现乘员的最佳保护[13

7、]。捷豹公司的ARTS在XK车上的示意图如图1.2所示。.........第2章模式识别的理论和方法不同的乘员类型在身高、体型等方面具有一定的差异性，这为乘员类型分类识别提供了依据。乘员类型的识别和划分是通过获取乘员的特征数据信息，按照某种识别器对数据训练和学习，建立预测模型并根据此模型完成未知类型的识别。总之，乘员类型识别在根本上为模式识别的问题，本文首先简要概述模式识别的理论基础和方法。2.1模式识别理论概述自1940年以来，随着计算机的出现和和人工智能的兴起，模式识别在60年代初逐步发展为一门新兴的学科。模式识别

8、[33]（PatternRecognition）是指利用在计算机的参与下，对表征事物对象的某些具有时间或者空间分布的信息进行处理和分析，以便完成事物对象的描述、辨认、分类和解释。通常称将属于同一类的抽象总体称为模式类，把具体的模式称为样本。模式识别过程按照实现分类器设计的要求，主要分为4步骤：数据获取、预处理、特征提取和选择以及分