西南研究所(SwRI)已经开发出一种运动预测系统,提高自动化车辆行人检测。计算机视觉工具使用一种新颖的深学习算法来预测运动通过观察实时与骨盆生物力学运动变化的一个关键指标。
“例如,如果一个行人行走西部,系统可以预测如果那个人会突然转南,“SwRI的塞缪尔·e·斯洛克姆说,高级研究分析师的内部项目资助。”作为推动自动化车辆加速,这项研究提供了一些重要的安全功能来帮助保护行人。”
最近的自动车辆事故加剧了呼吁改善检测行人和其他运动障碍。尽管先前的技术可以在一条直线跟踪和预测移动,他们无法预测突然变化。
运动预测经常使用“光学流”算法来预测基于横向运动的方向和速度。光流,一种计算机视觉,对算法与摄像机跟踪动态对象。的精度光学流减少,然而,当人们意想不到的方向移动。
为了提高精度,SwRI光学流到其他深度学习方法相比,包括颞卷积网络(tcn)和短期记忆(LSTM)。测试几个配置后,研究人员优化小说TCN,优于竞争算法,预测突然变化与高水平的运动在毫秒精度。
颞设计使用一个卷积神经网络来处理视频数据。SwRI新颖的方法优化扩张的网络层学习和预测趋势在一个更高的水平。扩张旋转结构,存储和访问视频数据空间观测。
人们利用经验和推理开车时附近的行人和骑自行车的人。SwRI自治系统的研究是一个小的一步反应更像人类的司机。
“如果我们看到一个行人,我们可能准备慢下来或者改变车道预期有人过马路,”道格拉斯·布鲁克斯博士说SwRI传感应用部门的经理。“我们是理所当然的事,但这是令人难以置信的复杂的计算机来处理这个场景和预测场景。”
研究小组利用SwRI markerless动作捕捉系统,这在体育科学自动化生物力学分析。使用摄像机视觉和感知算法,系统提供了深刻的见解运动学和关节运动。
申请该项目,题为“从稀疏的骨骼特征,运动预测”包括人类性能,自动化工具和制造机器人。基于摄像头的算法可以处理各种各样的系统,和数据集也可用SwRI客户。
