XiaoMi-AI文件搜索系统
World File Search System行人
亚米级精度行人室内导航系统，配备...
Solmaz S. Kia 是加州大学欧文分校 (UCI) 机械与航空航天工程副教授。她于 2009 年获得加州大学欧文分校机械与航空航天工程博士学位，并分别于 2004 年和 2001 年获得伊朗沙里夫理工大学航空航天工程硕士和学士学位。2009 年 6 月至 2010 年 9 月，她担任加州埃尔塞贡多 SySense Inc. 的高级研究工程师。她曾在加州大学圣地亚哥分校和加州大学欧文分校机械与航空航天工程系担任博士后职位。她曾于 2012-2014 年获得加州大学校长博士后奖学金，2017 年获得 NSF CAREER 奖，并于 2021 年获得 IEEE Control Systems Magazine 最佳论文奖。Kia 博士是 IEEE Sensors Letters、IEEE Open Journal of Control Systems、Automatica（IFAC 期刊）和 IEEE Transactions on Control of Network Systems 的副主编。她的主要研究兴趣广泛，包括分布式优化/协调/估计、非线性控制理论和概率机器人技术。
2021 年布朗县自行车和行人规划更新
Paul Blindauer (C. 绿湾) Elizabeth Hudak (C. 绿湾) Corrie Campbell (V. Ashwaubenon) Emily Jacobson (BC 委员会 – C. 绿湾) Devon Coenen (BC 委员会 - 农村) Dotty Juengst (C. 绿湾) Norbert Dantinne, Jr. (T. Humboldt/T. 绿湾) Dave Kaster (V. Bellevue) Steve Deneys (T. Pittsfield/T. Scott) Patty Kiewiz (绿湾都会区) Dean Erikson (V. Denmark、Pulaski、Wrightstown) Joy Koomen (T. Holland/T. Morrison) Geoff Farr (V. Howard) Jonathon LeRoy (C. 绿湾) Steve Gander (T. Glenmore/T. Rockland) Dan Lindstrom (C. De Pere) Mike Goral (T. Eaton/T. New Denmark) Jenny Nelson (威斯康星州交通部) Steve格雷尼尔 (C. 绿湾) 加里·帕尔 (T. 劳伦斯/T. 莱茨敦) 马克·汉德兰 (T. 莱奇维尤) 丹·塞格斯特罗姆 (V. 丹麦、普拉斯基、莱茨敦) 马修·哈里斯 (V. 阿卢埃兹) 格伦·塞弗森 (V. 霍巴特) 菲利普·希尔根伯格 (C. 绿湾) 马克·汤姆森 (V. 苏阿米科) 帕特里克·霍普金斯 (BC 委员会 – C. 德佩尔) 马修·沃伊切克 (C. 绿湾)
使用深度学习的车辆和行人的实时检测和分析
摘要 - 计算机视觉，尤其是车辆和脚步 - 识别对于自主驾驶，人工智能和视频监视的演变至关重要。当前的交通监控系统在实时识别小物体和行人方面面临重大困难，对公共安全构成了严重的风险，并有助于交通效率。认识到这些困难，我们的项目着重于创建和验证高级深度学习框架，能够处理复杂的视觉输入，以确切，实时识别汽车和在各种环境情况下的人。在代表复杂城市环境的数据集上，我们培训和评估了Yolov8和RT-DETR模型的不同版本。Yolov8大版本被证明是最有效的，尤其是在行人识别方面，具有很高的精确性和健壮性。结果包括平均平均精度和召回率，证明了该模型可以显着改善交通监控和安全性的能力。本研究为计算机视觉中的实时可靠检测提供了重要的补充，为交通管理系统建立了新的基准。索引术语 - 车辆流量分析，对象检测，对象分类，深度学习，计算机视觉
i | 威斯康星州自行车/行人铁路交叉口安全行动计划
自行车/行人 SAP 采用的数据驱动方法利用创新的数据收集和聚合方法，利用多个数据集，包括历史事件数据、多式联运交通量、基础设施库存记录、几何设计和当地人口统计数据，为每个交叉口和交叉口群形成详细的安全概况。使用这些数据集表征每个交叉口的几何和操作因素，这些因素会增加非机动道路使用者的危险，估算每个交叉口处非机动道路使用者与火车之间的互动次数，并确定交叉口附近的弱势群体，然后为每个交叉口计算出估计风险分数。然后确定风险最高的交叉口并将其分组为高优先级走廊。
智能机器人设计和实施，以协助行人路越过
本研究解决了一个紧迫的问题：行人安全，尤其是在学校区域。每年有大量行人死亡和伤害，尤其是在儿童中，迫切需要创新的解决方案来提高十字路口的安全性。传统方法，例如部署学校人员来协助儿童，通常是不切实际且效率低下的。这项研究提出了一种新颖的方法：数字双胞胎（智能机器人）的开发，以安全地协助行人和骑自行车的人在街对面。配备了传感器和人工智能，智能机器人可检测行人和骑自行车的人物和交通流量，从而确保安全穿越。在危险的情况下，该系统会提醒驾驶员和行人/骑自行车的人，从而提高了整体道路安全。这项研究不仅满足了对更安全的学校过境的近期需求，而且还提供了潜在的申请，可在白天和晚上在没有交通信号灯的过境街道上协助老年人。通过利用LiDAR和摄像机等技术，该系统可以显着提高弱势群体等校园区域的行人安全。
智能机器人设计和实施，以协助行人路越过
成立于1991年，与卢卡斯学院（Lucas College）和圣何塞州立大学（SJSU）合作的有组织的研究和培训部门Mineta Transportation Institute（MTI），通过提高所有人的安全，效率，可访问性以及我们国家运输系统的便利性来提高所有人的流动性。通过研究，教育，劳动力发展和技术转移，我们帮助创建了一个联系的世界。MTI领导了由美国运输部（California State University Consmentation Consortium），由美国运输部（CSSUTC）资助的，由美国运输部（CSUTC）资助了由加利福尼亚州的联邦法案1和极端的培训（CCE）培训（CSUTC）资助（CSUTC），由美国运输部（CSSUTC）通过1和极端的活动培训（CCE）（CSCE）（CSUTC）资助了美国运输部（CSUTC），由美国运输部（CSSUTC）和极端的培训（CCE）培训（CSCE）（CSCE），领导了美国运输部（CASUTC）资助的公平，高效和可持续运输（MCEEST）的内部收益联盟（MCEEST）（CSUTC）。MTI专注于三个主要职责：
起搏器+：在驾驶场景中的按需行人动画控制器
我们应对行人模拟中的内容多样性和收获性的挑战，以驱动方案。最近的行人动画框架具有重要的限制，其中他们主要关注轨迹[48]或参考视频[60]的内容，因此忽略了这种情况下人类运动的潜在多样性。这种限制限制了产生行人行为的能力，这些行为表现出更大的变化和现实动作，因此重新严格使用其用法，为驾驶模拟系统中的其他组件提供丰富的运动内容，例如，突然改变了自动驾驶汽车应响应的运动。在我们的方法中，我们努力通过展示从各种来源获得的各种人类动作（例如生成的人类运动）来超越限制，以遵循给定的轨迹。我们的框架的基本贡献在于将运动跟踪任务与轨迹结合到以下，这可以跟踪特定运动零件（例如上半身），同时遵循单个策略的给定轨迹。以这种方式，我们在给定情况下显着增强了模拟人类运动的分歧，以及内容的可控性，包括基于语言的控制。我们的框架有助于生成
第二阶段行人行动计划草案 2024 年 5 月 15 日
自 2006 年第一份《战略公路安全计划》 (SHSP) 以来，该计划就把行人安全作为主要重点领域之一。2015 年至 2019 年，行人死亡占所有死亡人数的 25% 和所有重伤的 9%。重点领域代表了导致事故的关键因素，制定策略和采取详细行动可以最大程度地减少死亡和重伤。该计划设定了在未来 5 年内将行人死亡和重伤人数减少 15% 的目标。该计划提供了 5 年的事故数据，包括行人死亡和重伤事故数量、行人事故受害者的性别和年龄、事故发生时间和地点。这些数据用于制定策略和行动，以提高国有和维护道路上的行人安全。
行人交叉决策可以通过嘈杂的视觉感知下的最佳最佳决策来解释
本文根据构成理性理论提出了行人交叉决策的模型。假定交叉决策是最佳的，其最佳性是由人类认知限制引起的。虽然先前的行人行为模型是“黑盒”机器学习模型，也可以是具有对认知因素的明确假设的机械模型，但我们结合了这两种方法。具体来说，我们在机械上对人类的视觉感知和模型奖励进行了机械模型，考虑到人类的限制，但是我们使用强化学习来学习有限的最佳行为政策。该模型比以前的模型重现了更多的已知经验现象，特别是：（1）接近车辆到达时间对行人是否接受差距，车辆速度对（2）间隙接受的影响（2）（2）（3）交叉车辆前（4）交叉效果的行人的行人时机的影响。值得注意的是，我们的发现表明，以前在决策中以“偏见”（例如依赖速度依赖性差距接受）的行为可能是理性适应视觉感知约束的产物。我们的方法还允许拟合认知约束的参数和每个人的奖励，以更好地说明个体差异，从而与实验数据实现良好的定量对齐。得出结论，通过利用RL和机械建模，我们的模型为行人行为提供了新的见解，并可以为更准确，更可扩展的行人模型提供有用的基础。
用于行人重新识别的分层双向特征感知网络
先前的行人重新识别 (Re-ID) 模型旨在关注图像中最具辨别力的区域，而当由于相机视点变化或遮挡导致该区域缺失时，其性能可能会受到影响。为了解决这个问题，我们提出了一种名为分层双向特征感知网络 (HBFP-Net) 的新模型来关联多级信息并相互加强。首先，通过低秩双线性池化建模跨级特征对的相关图。然后，基于相关图，采用双向特征感知 (BFP) 模块来丰富高级特征的注意区域，并学习低级特征中的抽象和特定信息。然后，我们提出了一种新颖的端到端分层网络，该网络集成了多级增强特征，并将增强的低级和中级特征输入到后续层以重新训练新的强大网络。更重要的是，我们提出了一种新的可训练广义池化，它可以动态选择特征图中所有位置的任意值进行激活。在包括 Market-1501、CUHK03 和 DukeMTMC-ReID 在内的主流评估数据集上进行的大量实验表明，我们的方法优于最近的 SOTA Re-ID 模型。