基于改进卡尔曼滤波多类道路使用者追踪的风险预警方法

本发明公开了一种基于改进卡尔曼滤波多类道路使用者追踪的风险预警方法，属于智能交通系统与自动驾驶技术领域，包括：建立训练集与测试集，构建YOLO‑DeepSORT模型，对YOLO‑DeepSORT系统模型进行训练；在自车上安装相机获取前方视频数据，将视频数据将输入到训练好的YOLO‑DeepSORT系统模型中，获取未来一段时间内目标车辆的位置，计算出自车与目标车辆的TTC值，根据TTC值进行风险预警以及刹车制动控制；改进的NSA自适应卡尔曼滤波算法通过动态调整噪声尺度，能够在高度动态和不确定性的条件下有效追踪各类道路使用者，该自适应机制特别适用于复杂交通环境。