利用机器学习算法预判行人动作提升自动驾驶安全性

本文摘要：据外媒报导，PerceptiveAutomata声称，其计算机视觉系统可仔细观察行人，需要理解人类的肢体语言（动作），对行人的不道德展开预判。该公司利用人类培训师（humantrainers）为其车载系统获取辅助，协助其辨识车辆等等目标物图像，然后再行创立机器学习算法。 人类培训师可分析行人的影像视频，而公司则获取更好的图片，并通过操纵提高目标物辨识的可玩性。Perceptive还不会向培训师发问，如：“行人否期望过马路？”或“若您是那位骑马行者，否不会制止车辆的通过？

据外媒报导，PerceptiveAutomata声称，其计算机视觉系统可仔细观察行人，需要理解人类的肢体语言（动作），对行人的不道德展开预判。该公司利用人类培训师（humantrainers）为其车载系统获取辅助，协助其辨识车辆等等目标物图像，然后再行创立机器学习算法。

人类培训师可分析行人的影像视频，而公司则获取更好的图片，并通过操纵提高目标物辨识的可玩性。Perceptive还不会向培训师发问，如：“行人否期望过马路？”或“若您是那位骑马行者，否不会制止车辆的通过？”当图片不易误解（obscured）时，人类培训师不会费力地对影像中行人的肢体语言展开辨别，而Perceptive则可追踪人类培训师的眼部活动及犹豫不决的时间，用作机器学习算法的研发。

得出的图片中，一般来说无法看清楚行人的头部方向，人类培训师被迫根据其肢体动作，展开预判，思维行人的目的。该情况指出，人类头部在图像识别中及路人不道德预判中所起着的起到。

据该公司透漏，通过使用类似于的线索，公司对行人的意识及意图展开分析，这在提高自动驾驶系统对行人不道德预判中将充分发挥最重要起到。PerceptiveAutomata向Wired透漏，目前该公司已与车企积极开展合作，计划为该技术申请人许可。

本文关键词：利用,机器,学习,算法,预判,行人,动作,提升,据,皇冠会员登录官网入口

本文来源：皇冠会员登录官网入口-www.sonyadorguesthouse.com