Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
12. Internationaler Motorenkongress 2025 | 25. + 26. Februar 2025

Treffpunkt der Community für Antriebe und nachhaltige Kraftstoffe

Der Kongress beleuchtet die zukünftige Rolle des Verbrennungsmotors und seiner nichtfossilen Kraftstoffe aus globaler Sicht mit führenden Experten. Seien Sie dabei! Weitere Informationen und Buchungsmöglichkeiten finden Sie auf unserer Website.
Erweiterte Suche
Anmelden
nach oben
International Journal of Intelligent Transportation Systems Research
Erschienen in:

13.09.2022

Driving Assistance: Pedestrians and Bicycles Accident Risk Estimation using Onboard Front Camera

verfasst von: Stephen Karungaru, Ryosuke Tsuji, Kenji Terada

Erschienen in: International Journal of Intelligent Transportation Systems Research | Ausgabe 3/2022

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this study, we propose a collision detection system by detecting and estimating the risk posed by pedestrians and bicycles in the images captured by a monocular onboard camera. In the proposed intrusion system, after initial detection, the pedestrians and bicycles are tracked to obtain their location, the direction of movement, and posture information using lane detection information, velocity calculation and, pose estimation respectively. Finally, this information is evaluated using fuzzy rules to estimate the risk the pedestrian and/or bicycle poses. The results are transmitted to the driver using voice and sound. We tested the system using 89 video scenes and achieved recall and precision accuracies of 0.94 and 0.87 respectively.
Vorheriger Artikel Real Time Estimation of Road Bank Disturbance and Vehicle Side Slip Angle
Nächster Artikel Camera-Based System for the Automatic Detection of Vehicle Axle Count and Speed Using Convolutional Neural Networks

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

ATZelectronics worldwide

ATZlectronics worldwide is up-to-speed on new trends and developments in automotive electronics on a scientific level with a high depth of information. 

Order your 30-days-trial for free and without any commitment.

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Literatur
1.
2.
Papageorgiou, C., Poggio,  T.: A trainable pedestrian detection system. Int. J. Comput. Vis. (IJCV) 1, 15–33 (2000)
3.
Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit. (CVPR), 1, 886–893 (2005)
4.
Solichin, A., Harjoko, A., Agfianto E.P.: A survey of Pedestrian Detection in video. Int. J. Adv. Sci. Appl. (IJACSAI) 5(10), 41–47 (2014)
5.
Wu, B., Nevatia, R.: Detection of multiple, partially occluded humans in a single image by Bayesian Combination of Edgelet Part Detectors. IEEE Int. Conf. Comput. Vis. (ICCV) 1, 90–97 (2005)
6.
Mikolajczyk, K., Schmid, C., Zisserman, A.: Human detection based on a probabilistic assembly of robust part detectors. The European Conference on Computer Vision (ECCV), 3021(2004), 69–82 (2005)MATH
7.
Piérard, S., Lejeune, A., Droogenbroeck, M.V.: A probabilistic pixel-based approach to detect humans in video streams. IEEE Int. Conf. Acoust. Speech Signal Process. (ICASSP) 921–924 (2011)
8.
Fleuret, F., Berclaz, J., Lengagne, R., Fua, P.: Multi-camera people tracking with a probabilistic occupancy map. IEEE Trans. Pattern Anal. Mach. Intell. 30(2), 267–282 (2008)CrossRef
9.
Girshick, R., Donahue, J., Darrell, T. et al.: Rich feature hierarchies for accurate object detection and semantic segmentation. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 580–587, Columbus, OH, USA (2014)
10.
He, K., Gkioxari, G., Dollar, P., et al.: Mask r-cnn. In: Proceedings of the 2017 IEEE International Conference on Computer Vision (ICCV), pp. 2980–2988. Long Beach, CA, USA (2017)
11.
Girshick, R.: Fast r-cnn. In: Proceedings of the IEEE International Conference on Computer Vision, pp. 1440–1448, Barcelona, Spain (2015)
12.
Ren, S., He, K., Girshick, R., et al.: Faster R-CNN: towards real-time object detection with region proposal networks. Adv. Neural. Inf. Process. Syst. 39(6), 91–99 (2015)
13.
Redmon, J., Divvala, S., Girshick, R. et al.: You only look once: unified, real-time object detection. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 779–788, Las Vegas, NV, USA (2016)
14.
Redmon, J., Farhadi, A.: Yolo9000: better, faster, stronger. In: Proceedings of 30th IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA (2017)
15.
16.
Liu, W., Anguelov, D., Erhan, D. et al.: Ssd: single shot multibox detector. In: Proceedings of the European Conference on Computer Vision, pp. 21–37. Springer (2016)
17.
Liu, W., Liao, S., Hu, W., et al.: Learning efficient single-stage pedestrian detectors by asymptotic localization fitting. In: Proceedings Of the European Conference on Computer Vision, pp. 643–659, Munich, Germany (2018)
18.
19.
20.
Tian, D., Han, Y., Wang, B., Guan, T., Wei, W.: A review of intelligent driving pedestrian detection based on deep learning. Comput. Intell. Neurosci. 1–16 (2021)
21.
22.
Fu, H., Gong, M., Wang, C., Batmanghelich, K., Tao, D.: Deep ordinal regression network for monocular depth estimation. In: IEEE Computer Vision and Pattern Recognition (CVPR). 2002–2011 (2018)
23.
Godard, C., Mac Aodha, O., Brostow, G.J.: Unsupervised monocular depth estimation with left-right consistency. In: International Conference on Computer Vision and Pattern Recognition (CVPR). 270–279 (2017)
24.
Zaheer, A., Rashid, M., Riaz, M.A., Khan, S.: Single-View Reconstruction using orthogonal line-pairs. Comput. Vis. Image Underst. 172, 107–123 (2018)CrossRef
25.
26.
Simonyan, K., Zisserman, A.: Very deep convolutional Networks for Large-Scale Image Recognition. CVPR, arXiv:1409.1556 (2014)
27.
Cao, Z., Simon, T., Wei, S.-E., Sheikh, Y.: OpenPose: Realtime Multi-Person 2D pose estimation using part affinity fields. IEEE Trans. Pattern Anal. Mach. Intell. 43, 172–186 (2021)
28.
29.
Metadaten
Titel
Driving Assistance: Pedestrians and Bicycles Accident Risk Estimation using Onboard Front Camera
verfasst von
Stephen Karungaru
Ryosuke Tsuji
Kenji Terada
Publikationsdatum
13.09.2022
Verlag
Springer US
Erschienen in
International Journal of Intelligent Transportation Systems Research / Ausgabe 3/2022
Print ISSN: 1348-8503
Elektronische ISSN: 1868-8659
DOI
https://doi.org/10.1007/s13177-022-00324-2

Weitere Artikel der Ausgabe 3/2022

Multi-Vehicle Tracking Using Heterogeneous Neural Networks for Appearance And Motion Features

A Novel Adaptive Traffic Signal Control Based on Cloud/Fog/Edge Computing

Sharp Curve Detection of Autonomous Vehicles using DBSCAN and Augmented Sliding Window Techniques

Intelligent Traffic Light via Policy-based Deep Reinforcement Learning

Real Time Estimation of Road Bank Disturbance and Vehicle Side Slip Angle

Optimal Scheduling of Electric Vehicle Charging at Geographically Dispersed Charging Stations with Multiple Charging Piles

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise