您当前位置：
2016年6月，在瑞典举办的汽车学会“智能汽车研讨会”上，日本一大学发布了运用深度学习提高图像识别性能的技术。该技术可同时识别多个对象，并将各项结果关联起来进行学习，由此提高图像识别精度。如果将该技术用于车载摄像头，不仅可以检测行人，还能根据行人前进的方向、与车辆的距离、是否打伞、有无行李等多种信息来判断碰撞危险性，并根据行人的具体状态进行车辆控制。
在汽车预防安全领域，避免与行人碰撞是一大难题。因为与车辆相比，行人很难用传感器检测出来，而且还有行人突然冲到马路上等危险状况。由人控制汽车时，驾驶员可以根据行人的动作及状态等多种信息进行危险性预测和应对，这些危险包括“行人是否发现有汽车靠近”、“行人是否有可能突然冲出来”等。
如果利用ADAS对汽车进行自动控制，整合和处理多种信息会使计算量增加，因此非常困难。但日本这一大学发布的技术，可根据行人头部和脚部的位置来推测其前进方向，根据脚部与地面之间的设置点来推测行人与汽车之间的距离。通过组合多种信息，可以实现危险预测，比如“行人正在朝着汽车的方向前进，突然冲出的可能性很低”。在行人检测实证实验中，该技术以5％左右的误差推测出了行人与汽车的距离。
京公网安备 11010502031058号
