考虑驾驶员生理信息的城市交叉口风险评估方法

为解决交叉口风险评估未充分考虑驾驶员状态和风险损失的问题,提出了一种综合风险概率和风险损失的风险评估方法。利用熵值法得出基于驾驶员生理信息的风险概率,基于能量转换定理确定直接风险损失,提出环境脆弱度确定间接风险损失;利用聚类算法得到风险损失和风险概率的等级,进而基于风险矩阵得到交叉口风险等级。分析西安市19个交叉口试验数据得出:交叉口风险等级划分为比较安全、一般安全、比较风险和非常风险4个等级,风险等级主要集中在比较风险级别。所提出的基于驾驶员生理信息的交叉口风险评估方法与试验驾驶员的感知相符,准确度达到90%,为驾驶员风险管理提供了新方法。

灰度序模式的局部特征描述算法

目的在针对LIOP(local intensity order pattern)特征描述算法构造特征描述符过程中,计算描述子权值时未充分考虑采样点之间的局部信息及存在冗余的灰度序模式,从而导致特征描述符不准确的问题,提出一种结合采样点结构信息和剔除冗余模式的算法。方法首先,研究了采样点局部信息,并利用采样点顺序结构构造了计算特征描述符权值方法;其次,分析了灰度序模式与对应特征描述子权值的关系;最后,在构造特征描述符时,将冗余的灰度序模式剔除。结果对标准数据集(Oxford dataset)及另外4幅复杂光照变化的图像进行了仿真实验,得到132维的特征描述符。结果表明,与原始LIOP算法相比,该算法在不增加特征维度时precision-recall曲线有较大的提高,即提高了描述特征描述符描述能力,增强了特征对单调强度变化和旋转变化的鲁棒性。结论提出的算法同时考虑了采样点的差异信息和结构信息,较为完整地保留了待描述点的局部信息,使得图像存在复杂光照强度情况下,能够得到较高精度和辨识度的特征描述符。