Một phương pháp nâng cao hiệu quả của mô hình dự đoán va chạm sử dụng học sâu

Tóm tắt

Trong bối cảnh môi trường giao thông đô thị ngày càng phức tạp, việc theo dõi đa đối tượng và dự đoán nguy cơ va chạm đóng vai trò quan trọng trong các hệ thống hỗ trợ lái xe thông minh và giám sát an toàn giao thông. Nghiên cứu này đề xuất một phương pháp nâng cao hiệu quả dự đoán va chạm dựa trên học sâu, kết hợp mô hình theo dõi đa đối tượng tiên tiến FineTrack với thuật toán phát hiện và bám đối tượng phổ biến YOLO. Phương pháp sử dụng kết quả theo dõi để tính toán thông tin vị trí, tốc độ và khoảng cách giữa các phương tiện, từ đó đánh giá nguy cơ va chạm trong thời gian thực. Các thí nghiệm được triển khai trên hai bộ dữ liệu tiêu chuẩn MOT20 và UA-DETRAC nhằm đánh giá toàn diện hiệu suất của hệ thống trong cả kịch bản theo dõi con người và phương tiện giao thông. Kết quả cho thấy mô hình FineTrack giúp giảm hiện tượng mất dấu và duy trì định danh ổn định hơn trong điều kiện che khuất,
đồng thời nâng cao độ tin cậy của dự đoán va chạm. Nghiên cứu ứng dụng khả thi cho việc ứng dụng thị giác máy tính trong cảnh báo an toàn giao thông với độ chính xác ổn định và khả năng triển khai thực tế.