项目研究方案.docxVIP

项目研究方案： 一、选题依据： 1、近年来，我国每年交通事故死亡高达10多万人，客货车肇事的事故比例也是明显上升。其中，盲区又往往会造成非死即伤的严重后果。车辆盲区已然成为当代公路安全新的“马路杀手”。中国每年因道路交通死亡的人数超过10万，道路伤害达50万起，每年因交通事故所造成的经济损失达数百亿元。 2、货车这类事故高发车型，其车身较高、结构复杂，在转弯时存在视线盲区等安全隐患造成了许多人员伤亡事故，且由于货车车体较重等原因所造成的事故较为严重，但因市面上盲区监测类产品性能不高且造价昂贵，政策制度不够完善，长久以来一直没有得到市场的重视。 目前市面上对于车辆盲区监测的项目同质化严重，不仅无法专注于解决大货车侧方盲区事故高发的问题，在盲区监测技术手段上也千篇一律，市场急需一款针对大货车侧方盲区的，高性能，高效率，高准确率的新技术盲区监测产品。 随着5G时代的到来，信息传输速率提高将近百倍，因此我们以5G、云计算、深度学习技术为依托，“5G时代下的车辆盲区监测系统”这一产品应运而生。 研究内容： 本作品利用深度学习技术使车辆在行驶过程中对周围行人、车辆及其他障碍物在各种天气条件下进行全方位无死角监测识别，当障碍物过近时及时对车主示警，并针对转弯时车辆事故高发的特点，结合本车辆当前的速度、车长、轴距和车主手机自带传感器等信息以及车辆附近障碍物的距离和移动轨迹建立三维数学模型，预判出附近的行人或者车辆是否处于危险区域并及时报警，防范或减少意外事故的发生，填补了当前车辆盲区监测系统市场的空白，符合保证车辆行驶安全的需求，项目意义重大，发展前景广阔。 并利用NCS神经计算棒对Raspberry Pi微处理器进行硬件加速，可以使深度学习算法在硬件上的处理速度大幅提升。 基于目前识别率最佳、可靠性最高的深度学习算法，大大降低了车辆盲区监测设备的误判率，有效保障了车主及他人的生命财产安全，适合在各种条件下的使用。在当前物联网时代的背景下，计算机视觉对于无人驾驶，人机交互都可以有更加深层次的应用，具有普遍适用性，在人车交互方面有广阔的应用前景。 另外，作品在技术方面分为硬件开发部分及软件开发两部分组成。硬件根据实际情况由项目组硬件研发人员设计，尽量实现低功耗且实用性强、便携性高的硬件系统,软件开发包含鱼眼图像校正、图像重投影、图像拼接、图像压缩、暗光增强、人行检测、测距示警等等流程，由项目组软件研发人员设计，针对庞大的神经网络进行权重及层数优化，提高算法的稳定性以及可靠性。 三、研究计划： 本作品采用机器学习核心算法，以NCS神经计算棒加速驱动微处理器，对摄像头摄取到的车辆盲区图像进行图像增强后分析处理，识别障碍物种类和运动状态，结合手机多传感器获取车主运动数据，建立实时的3D运动模型，预判危险情况，及时提醒驾驶人，从而降低交通事故发生概率，并具有实时性强，续航能力高，成本低廉，安全可靠等优点。 系统处理流程图： 四、研究创新： 1、利用深度学习技术实现目标检测 不同于传统的盲区监测产品对行人、自行车等较小目标还无法做到有效检测且对图像完全不做辅助处理、需要驾驶员自己精确判断的缺点，我们的算法针对图像内所有可能引起事故发生的障碍物进行分类、识别、标注，可以给驾驶员直接视觉辅助判断，有效减少驾驶员判断时间，争取宝贵的安全刹车时间。 2、对盲区图像进行暗光增强处理 同时，针对传统产品的夜间、雨雾、大雪等恶劣工作条件下监测效果不理想，经常出现图像失真及曝光度过低导致人眼无法看清障碍物的不足，我们采用了基于深度学习的暗光图像增强技术[1]和经典的去雾算法[2]，对摄取的图像进行增强，做到了全天候为车主监测盲区安全，极大提高安全性。 3、建立3D模型对障碍物轨迹预判并警示 本作品根据货车碰撞行人事故多发的现状提供了摩托车、行人、车辆、自行车等多种类的监测。并可以自定义的录入车辆的车长、轴距等信息，自动建立合理的车辆模型，通过当前车速、制动时间计算出当前的车况是否会对盲区里的行人和车辆造成安全威胁。 4、首创利用NCS神经计算棒加速硬件增强实时性 长久以来，基于深度学习的硬件设备面临着算力不足的尴尬境地，但我们的产品通过首创了利用Intel公司的必威体育精装版研发成果——NCS神经计算棒，对树莓派进行加速，对盲区进行障碍物识别和图像增强的技术。解决了工业界对于深度学习算法在硬件上实施、推进困难的困境，大大强化了硬件算力，为深度学习推理做加速满足了车辆识别的实时性需求。 5、结合移动手机端功能降低成本 本作品结合手机自带的陀螺仪、GPS系统、加速度传感器及其它传感器设备对监测到的数据进行实时反馈，把盲区卫士系统与手机自带功能相融合，并将反馈数据运用到3D模型的建立中，极大降低了成本，提高了产品普适性。 6、低耗高效便携带 本作品摒弃了繁杂冗余的各类传感器及其他