摘 要

汽车工业在近些年随着我国经济的蓬勃发展而迅速发展，汽车保有量增加改善了人们的生产生活，但是随之而来的就是交通安全问题的增加。在不久以前，Euro NCAP统计了大量交通事故的数据，经过统计分析得出，在车辆行驶过程中驾驶者经常会出现注意力不集中的现象，而研究显示，这种现象在交通事故的起因中占据90%，然而本文所研究的自动刹车系统可以大大降低此类事故发生的可能性。自动刹车系统，英文名Autonomous Emergency Braking（AEB），可以有效的提升汽车主动安全性，对于车辆的安全行驶具有重要作用。全世界众多国家和地区相继制定自动刹车系统的测试法规，其中包括欧盟、日本等。自动刹车系统可以利用系统携带的相机或者雷达检测并识别出周围的车辆，一旦出现可能碰撞的情况，就会立即用声音或者灯光提示驾驶者，从而采用制动操作及时躲避危险。假如驾驶者长时间没有相应的躲避操作，那么制动的措施就会由系统自动完成，从而减少或者避免碰撞的发生。移动障碍物检测是车辆自动刹车的基本感知任务，其检测结果的精度与实时性将对车辆在紧急状态下的主动安全性产生重要影响。自动紧急刹车涉及到道路环境感知等因素，当下存在的移动障碍物检测方法很难在保证检测精度的前提下使检测速度也达到要求。本文所进行的移动障碍物检测采用了SSD深度神经网络，这种方法可以有效解决上述问题。所搭建网络是基于TensorFlow深度学习的框架的，在对SSD卷积神经网络训练是采用了目标检测数据集，对训练的结果分析研究，从结果中可以看到，在交通环境下，移动障碍物的检测精准度比较高，与此同时，实时性也比较好。设计实验检测了在真实道路场景中采集的环境图片，从检测结果我们可以看出移动障碍物目标检测可以有87%的精准率，这就已经达到了自动紧急刹车系统对于精确度的需求，单帧检测所用的时间在0.028-0.076s的范围内波动，满足自动紧急刹车系统对于实时性的需求。

关键字：车辆主动安全性；车辆检测；自动紧急刹车；深度学习

Abstract

In recent years, the automobile industry has developed rapidly with the vigorous development of my country's economy. The increase in the number of automobiles has improved people's production and life, but with it is the increase in traffic safety issues. Through statistical analysis, it was found that drivers often experience inattention during vehicle driving, and research shows that this phenomenon is the cause of traffic accidents. It accounts for 90%, but the automatic braking system studied in this paper can greatly reduce the possibility of such accidents. The automatic braking system, the English name Autonomous Emergency Braking (AEB), can effectively improve the active safety of the car and plays an important role in the safe driving of the vehicle. Many countries and regions around the world have successively formulated test regulations for automatic brake systems, including the European Union and Japan. If the driver does not avoid the corresponding operation for a long time, the braking measures will be automatically completed by the system, thereby reducing or avoiding the occurrence of collisions. The detection of moving obstacles is the basic perception task of vehicle automatic braking. The accuracy and real-time nature of the detection results will have an important impact on the active safety of the vehicle in an emergency. In this paper, the mobile obstacle detection uses SSD deep neural network, this method can effectively solve the above problems. The network built is based on the TensorFlow deep learning framework. In the SSD convolutional neural network training, target detection data sets are used. The training results are analyzed and studied. From the results, you can see that in the traffic environment, moving obstacles The detection accuracy is higher, and at the same time, the real-time performance is also better. The design experiment detected the environmental pictures collected in the real road scene. From the detection results, we can see that the detection of moving obstacles can have an accuracy rate of 87%. This has reached the accuracy requirements of the automatic emergency braking system. The time used for frame detection fluctuates in the range of 0.028-0.076s to meet the real-time requirements of the automatic emergency braking system.

Keywords: Vehicle Active Safety; Vehicle Detection; Automatic Emergency Braking; Deep Learning

目录

第1章 绪论 1

1.1研究背景与意义 1

1.2国内外研究现状 1

1.3 现阶段的研究难点 3

1.4 论文的主要内容及意义 4

第2章 深度学习理论知识 5

2.1人工神经网络 5

2.2卷积神经网络理论 6

2.2.1 神经网络结构 6

2.2.2 卷积层 8

2.2.3 池化层 10

2.2.4 激活函数 10

2.2.5 网络训练 13

第3章 目标检测原理 16

3.1 基于人工设计特征的方法 16

3.2 基于区域候选和卷积神经网络分类的方法 17

3.3 目标检测转化为回归问题的方法 20

3.4 目标检测方法的选择 24

第4章 深度神经网络训练 26

4.1 目标检测数据集准备 26

4.2深度学习框架 26

4.3实验结果与分析 27

4.3.1实验环境搭建 27

4.3.2 实验参数设置与训练过程 27

第5章 真实道路场景测试验证 30

5.1 测试数据集的准备 30

5.2 测试结果与分析 30

第6章 结论 36

6.1 本文研究总结 36

6.2 未来研究展望 37

参考文献 38

致谢 41

第1章 绪论

1.1研究背景与意义

上世纪70年代的改革开放推动了我国的经济的飞速发展，人民生活水平日益提高，国民的汽车保有量迅速增长，汽车工业快速发展。可是，严峻的交通安全问题在汽车产保有量的急剧增加并且反过来推动经济和社会快速发展的同时不得不引起人们的重视。有关调查表明，在2016年间，全球总数的60亿人口中有5690万死亡病例，而其中在交通事故中死亡的人数多达140万人，超过全球死亡总数的2%之多。而根据中国的统计调查显示，我国每年有多达9万人死于交通事故人，这是死亡总人数的1.5％。在中国多达27.3％的平均致死率为无数家庭带来了伤害，交通意外频发，频繁的交通事故给社会造成巨大的经济损失和人员伤害。因此，保证交通安全是汽车研究的重点。

 通过对我国大量的交通事故的统计数据进行分析发现，人为失误造成的事故约占90%。研究表明，人体制动的反应时间为0.4~1秒。事实上90%的追尾事故就是可以及时避免的^[1]。驾驶员假若可以及早发现危险情况并做出反应就可以降低事故的发生可能性，因此车辆自动紧急制动系统（即AEB）可以有效降低交通意外事故的发生率^[2]，AEB的标准法规已经在欧盟、日本等40个国家和地区中相继制定，并使AEB在汽车上的应用得到了推广。