典型文献
基于图表示的智能车行人意图识别方法
文献摘要：
智能驾驶场景下的人车冲突问题与行人过街行为密切相关,为使高级驾驶辅助系统(advanced driving as-sistance system,ADAS)具备识别行人过街意图的功能,并对人车碰撞事件预警,提出一种基于图表示学习(graph representation learning,GRL)方法的行人过街意图识别框架.它采用开源工具对行人骨架信息进行识别,采用图方法,以行人在一段运动过程内每一帧的骨架关键点为节点,以骨架自然连接关系、相关关系和时域关系为边建立图模型,实现对行人动作序列的表征.以图结构数据为输入,基于支持向量机(support vector machine,SVM)训练行人过街意图识别模型.在自动驾驶数据集PIE上对所提出方法进行评估,结果显示,行人过街意图分类准确率可达90.29％,所提出方法能够有效识别行人过街意图,对提高智能车决策安全性具有重要意义.
文献关键词：
行人意图识别;图表示学习;机器学习
中图分类号：
作者姓名：
吕超;崔格格;孟相浩;陆军琰;徐优志;龚建伟
作者机构：
北京理工大学 机械与车辆学院, 北京 100081;上海汽车集团股份有限公司技术中心, 上海 201804
文献出处：
引用格式：
[1]吕超;崔格格;孟相浩;陆军琰;徐优志;龚建伟-.基于图表示的智能车行人意图识别方法)[J].北京理工大学学报,2022(07):688-695
A类：
行人意图识别,GRL
B类：
智能车,车行,智能驾驶,驾驶场景,人车冲突,行人过街,驾驶辅助系统,advanced,driving,as,sistance,system,ADAS,人车碰撞,图表示学习,graph,representation,learning,识别框架,开源,人骨,骨架信息,一帧,图模型,动作序列,以图,图结构数据,support,vector,machine,识别模型,自动驾驶,PIE,意图分类,分类准确率,高智能
AB值：
0.379474
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
