1、從十九世紀到二十一世紀，汽車已經發(fā)展成為交通運輸?shù)闹袌粤α?。與此同時，汽車工業(yè)的發(fā)展也造成了嚴重的環(huán)境和交通安全問題。人們對于交通安全問題的研究也從單純提高車輛自身的安全技術水平逐步轉移到綜合考慮車輛、駕駛員以及環(huán)境等各個因素來提高道路交通安全。在道路交通事故中，車輛和行人的碰撞是最主要的事故形式之一，而行人是事故中最大的受害群體。因此，如何提高汽車的主動安全性能、有效保護行人的安全已經越來越被重視。在國家自然科學基金項目(611041

2、65)和中央高校基本科研業(yè)務費專項資金資助項目(DUT13JS02)的資助下，本文開展了面向行人防碰撞預警的駕駛員駕駛意圖辨識方法的研究。
　　在檢測到車輛前方存在行人的基礎上，本文確定了需要辨識的4種駕駛意圖，即加速、減速制動、轉彎避讓（正常轉向）和急轉。通過分析駕駛意圖產生的機理和統(tǒng)計模式識別理論，確定應用隱馬爾科夫模型(Hidden Markov Model，HMM)來辨識駕駛員駕駛意圖。根據(jù)需要辨識的4種駕駛員意圖，通過駕

3、駛模擬器采集實驗所需的傳感器數(shù)據(jù)，并對實驗數(shù)據(jù)進行處理。采用羅馬諾夫斯基準則對傳感器數(shù)據(jù)的異常值進行剔除，使用改進的K-means算法對駕駛員正常轉向和緊急轉向的界限值進行確定。
　　根據(jù)隱馬爾科夫HMM模型的Baum-Welch算法和前向算法，使用MATLAB結合Baum-Welch算法和前向算法編寫m文件進行駕駛員意圖辨識。使用Baum-Welch算法進行駕駛意圖隱馬爾科夫HMM模型的離線訓練。由于不同模型間觀察序列的長度不同

4、，為了使實驗得到的模型更加精確，對Baum-Welch算法進行了改進。訓練得到表征駕駛意圖隱馬爾科夫HMM模型的參數(shù)。
　　最后，使用處理后的觀察序列進行駕駛員意圖在線辨識。將觀察序列輸入到搭建好的隱馬爾科夫HMM模型中，用MATLAB結合前向算法編寫m文件得到觀察序列和不同模型間的匹配值，匹配值最大的模型視為駕駛員意圖隱馬爾科夫HMM模型。基于車輛前方行人檢測結果，在辨識得到駕駛員意圖后，進行行人防碰撞預警機制的確定。對錯誤的駕