Monokulare Radfahrererkennung mit Faltungsneuronalen Netzen

Das Radfahren ist eine zunehmend beliebte Transportmethode aufgrund seiner Nachhaltigkeit und gesundheitlichen Vorteile. Dennoch stehen Radfahrer wachsenden Gefahren gegenüber, insbesondere wenn sie auf der Straße mit großen Fahrzeugen konfrontiert werden. Diese Studie zielt darauf ab, die Anzahl von KollISIONEN zwischen Fahrzeugen und Radfahrern zu reduzieren, die oft durch mangelhafte Aufmerksamkeit der Fahrer auf Blinde Flecken verursacht werden. Um dieses Ziel zu erreichen, haben wir ein hochentwickeltes Echtzeit-Einzelaugensystem zur Radfahrererkennung entwickelt, das Radfahrer mit Objekterkennungs-Convolutional Neural Networks wie EfficientDet Lite und SSD MobileNetV2 identifizieren kann. Zunächst erreichen unsere vorgeschlagenen Radfahrererkennungsmodelle einen mAP-Wert von mehr als 0,900 (IoU: 0,5), nachdem sie an einem neu vorgeschlagenen Radfahrerbild-Datensatz mit über 20.000 Bildern feinjustiert wurden. Anschließend wurden die Modelle auf einem Google Coral Dev Board Mini-Computer mit einer Kameraeinheit bereitgestellt und hinsichtlich ihrer Geschwindigkeit analysiert, wobei Inferenzzeiten von bis zu 15 Millisekunden erzielt wurden. Schließlich wurde das vollständige Echtzeit-Radfahrererkennungsgerät in verschiedenen Verkehrsszenarien getestet und seine Leistungsfähigkeit sowie Machbarkeit weiter untersucht. Wir kamen zu dem Schluss, dass dieses Gerät Radfahrer schnell und präzise erkennen kann und das Potenzial hat, die Sicherheit von Radfahrern erheblich zu verbessern. Zukünftige Studien könnten die Machbarkeit des vorgeschlagenen Geräts in der Automobilindustrie untersuchen und Verbesserungen für die Radfahrsicherheit im Laufe der Zeit feststellen.请注意，这里的“KOLLISIONEN”应为“Kollisionen”，这是德语中的正确拼写。此外，“Echtzeit-Einzelaugensystem”是一个复合词，用于描述单目实时系统。如果这个术语在特定上下文中不常用，可以考虑使用“Echtzeit-Monokularsystem”（实时单目系统）。