先进的可视化分析的智能和自主车

由于传感、通信和计算技术的重大进展，互联和自动化车辆(CAV)技术已经成为智能交通系统(ITS)快速发展的强大推动力。基于摄像头/雷达/激光雷达/红外传感的高级视觉分析技术跨越计算机视觉、图像/视频分析、机器学习等领域，已成为CAV技术不可或缺的工具，特别是增强车辆在交通中的安全和自主操作。例如，环境、车辆和驾驶员- evd)。

更具体地说，高级视觉分析可以推断出车辆外部的动态环境场景，如道路情况和天气条件、行人和其他车辆的移动轨迹，以及交通灯/标志等。高级视觉分析还可以提高车辆行驶状态的检测精度，如振动、速度、加速和突然转弯。此外，先进的视觉分析可以作为司机的非侵入性监控，需要在环境中安全操作。各种事件的复杂动力学以及“EVD”系统各部件之间的相互作用影响着整个驾驶的安全性、舒适性以及交通流状况。对这些系统组件的实时感知和动态响应，能够主动地产生更好的驾驶安全系统和驾驶体验，能够准确、可靠、非常迅速地识别可能导致事故的条件，并强制采取纠正措施，从而预防事故的发生。

这期特刊的目标是分享新的先进的可视化分析技术，提出了挑战，而对于骑士队目前的全面审查。更具体地，这个问题特别着重于将先进的视觉分析技术的状态的最先进的研究，其可以被有效地应用于车辆和驾驶员感测，道路和行人监测，数据融合分析，并校正和响应等审查过程中多次反复后，五篇论文被接受这个特殊的问题，其中包括对视觉跟踪，场景理解，车道检测，车辆分类和电源控制等视觉分析技术的进步

更具体地讲，题为“强大的视觉跟踪与歧视意思 - ”中提出了一种基于学会鉴别词典的有效跟踪算法。基于学习词典，目标人选进行跟踪可以得到更稳定的表现。另外，观测似然是基于两个重构误差和字典系数进行评价。“基于高阶潜力，生殖对抗性的网络场景理解了题为”提出了一种基于一个生成对抗网络（GAN）一个场景理解框架实现全卷积语义分割模型。高阶电位通过实现细节和一致性所分割的语义的图像。论文题目是“里检测基于不同的特征提取方法的连接”礼物车道检测新的预处理和投资回报率的选择方法。首先，在预处理阶段，将RGB颜色空间转换为HSV颜色空间和白色特征在HSV模型也被提取。与此同时，初步边缘特征检测是在预处理阶段中加入，然后在图像下面的部分被选择为基础上，提出预处理ROI区域。题为“预训练卷积神经网络的图像的基于车型分类”的论文提出了一种基于图像的车辆分类的卷积神经网络（CNN）有四个类别，包括摩托车，转运，和乘客。无人监督的训练前的方法被引入到初始化更好的分类性能CNN参数。 Finally, the paper entitled “A Power Control Algorithm Based on Outage Probability Awareness in Vehicular Ad Hoc Networks” addresses a power control algorithm to overcome the problems of random mobility of nodes, interference in multiusers, and high outage probability. The proposed power control method aims at minimizing the outage probability, taking advantage of available cumulative interference at the transmitter of each terminal. Furthermore, the interference model is built by a stochastic geometric theory, from which the expression between outage probability and cumulative interference can be derived.

在我们结束就介绍到这特殊的问题和选择的五份文件的内容，我们要感谢所有作者的宝贵贡献。我们也表示深深的感谢所有对所有提交的论文的及时和有见地的意见评审。我们真诚地期望，在这个特殊的问题，内容从相关连接和自动车（CAV）技术各方面的信息和有用的。

的利益冲突

作者宣称，他们没有利益冲突。

杨洁篪方
Jenq-NENG黄
施嘉煌

版权

版权所有©2018志军方等人。这是下发布的开放式访问文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。