基于循环生成对抗网络的道路场景语义分割

在无人驾驶技术中,道路场景语义分割是一个非常重要的环境感知任务。传统的基于深度学习方法需要大量像素级标注样本,限制了应用范围。本文提出一种基于循环生成对抗网络的道路场景语义分割方法,无需成对数据也可实现图像语义分割,降低对数据集的要求;使用L2范数和最小二乘损失方法解决训练过程中出现的模式崩溃现象,增加了训练过程的稳定性,并提高了图像分割的质量。为了验证本文方法的有效性,在常用的道路场景数据集进行实验,结果显示该方法的分割精确度有明显提高。

基于单目摄像头的主动式驾驶行为分析算法

为了预防事故发生,提出一种以人体三维姿态估计对驾驶员行为进行识别监测的算法。利用单目摄像头获取运动中驾驶员的视频流,提取每帧图像的二维轮廓特征,与预先建立的三维人体模型的二维投影进行匹配,实时估计驾驶员上半身的姿态。根据获取驾驶员的8个骨骼节点的三维坐标,对驾驶员的行为识别分析。试验模拟驾驶员正常、单手、接听电话和疲劳/醉酒驾驶4种驾驶状态,通过骨骼节点的坐标变化,实现检测和识别驾驶员的姿态行为并给予提醒。在光线较好的情况下,与PRECLOSE(percent eye closure)算法相比,该算法的误检率降低了24. 24%。