22、基于视觉的骑行者车道与头盔检测及直齿轮多目标设计分析

基于视觉的骑行者车道与头盔检测及直齿轮多目标设计分析

1. 基于视觉的骑行者车道与头盔检测

在骑行者相关检测领域，有多种不同的系统和方法。下面是提出的系统与现有系统的对比：
| 参考编号 | 方法 | 硬件 | 运行时间 | 准确率 |
| ---- | ---- | ---- | ---- | ---- |
| [1] | SVM | 8 核 2.7 GHz、8 GB 内存的计算机 | 0.28 s | - |
| [3] | CNN | Windows 10，NVIDIA GEFORCE 940 MX | 适中时间 | 80% |
| [20] | LSTM + RNN | GeForce GTX 1660 GPU | 15.6 ms | 91% |
| 提出的系统 | SIFT + 随机森林 | Intel Core i5 - 7200U CPU，2.50 GHz 处理器，Windows 10 | 适中时间 | 骑行者车道检测：85.44%；头盔检测：87.83% |

提出的系统训练准确率达到 99.53%，测试准确率为 87.83%。虽然该模型已经取得了不错的结果，但未来通过提高图像质量和增加图像数量等因素，以及采用基于神经网络的算法，有望进一步提高模型的准确率。此系统可用于实时监控和自动驾驶辅助系统，但需要使用高质量图像对模型进行训练。

2. 直齿轮多目标设计分析

传统的直齿轮设计方法每次只能确定满足一个设计条件的参数，难以保证高一致性和可靠性。为解决这一问题，引入了两个新的设计目标，即轮廓修改直齿轮传动的重量/体积以及接触点的赫兹应力，并将其纳入多目标设计适应函数。