3220
大多数汽车事故的主要原因是驾驶员错误。酒精，毒品，超速驾驶，激进驾驶，过度补偿，缺乏经验，反应时间慢，注意力不集中，以及忽视道路状况都是促成因素。自动驾驶汽车几乎可以完全消除这些事故。Eno研究发现，如果所有汽车中有10％是自驾车，那么每年将有多达211,000起事故被阻止。将保留约1,100人的生命，汽车事故的经济成本将减少200多亿美元。
近年来随着需求的不断推动，自动驾驶汽车领域取得很多技术突破，同时吸引更多投资以及科技力量的投入其中，使其成为一个朝气蓬勃的新兴技术领域。自动驾驶是通过自动驾驶系统，部分或完全的代替驾驶员，安全地驾驶汽车。随着人工智能和机器学习在计算机视觉、自然语言处理以及智能决策诸多领域获得重大突破，学术和工业界也逐步开始在无人车系统的各个模块中进行基于人工智能和机器学习的探索，目前已获得重大突破。而自动驾驶系统作为代替人类驾驶的解决方案，其设计思路和解决方法背后都蕴含了很多对人类驾驶习惯和行为的理解。现在，自动驾驶已经成为人工智能最具前景的应用之一。
二、自动驾驶发展历史脉络
【国外无人驾驶发展历程】
1984——DARPA与陆军合作，发起ALV计划
1986——NavLabl 全球第一辆由计算机驾驶的汽车
1998——ARGO 试验车进行长距离道路试验
2004-2007——3届DARPA无人驾驶挑战赛
2009——谷歌宣布开始研发无人驾驶技术
2013——奥迪，福特，沃尔沃，日产，宝马等传统汽车纷纷布局无人驾驶汽车
2015——特斯拉推出半自动驾驶系统
2016——Uber无人驾驶汽车在Uber先进技术中心正式上路测试，通用汽车进入无人驾驶领域
【中国无人驾驶发展历程】
1992——国防科技大学成功研制出中国第一辆真正意义上的无人驾驶汽车
2011——中国一汽集团与国防科大共同研制红旗HQ3无人驾驶汽车完成了286KM的高速全程无人驾驶试验
2012——“军交猛狮iii号”以无人驾驶状态行驶114KM
2015——宇通大型客车在完全开放道路环境下完成自动驾驶试验，百度无人驾驶汽车在北京进行全程自动驾驶侧跑
2017——百度展示了与博世合作开发的高速公路辅组功能增强版演示车
2018——百度与厦门金龙合作生产的全球首款Level 4级量产自驾巴士“阿波龙”量产下线
三、人工智能AI行为分析在自动驾驶汽车的应用
现阶段，我国有关机构依据“驾驶职责”将自动驾驶分为如下六个等级，即非自动、驾驶员辅助、部分自动、有条件自动、高度自动、全自动，每个等级的判断依据不尽相同，但是对于在进行较高等级判定时，需使其满足前一等级的相关内容。 随着自动驾驶等级的不断提升，人为驾驶过程将逐渐被替代，换言之，在未来几十年的驾驶过程中，传感器将替代人眼，来进行周围环境的识别，中控单元将替代大脑，来进行驾驶的决策、协调，从而通过多个电控系统来达到对车辆运动控制的目的。但不可否认的是，自动驾驶技术在应用过程中，仍会受到人为、环境、车辆自身等因素的影响，使自动驾驶技术的发展面临着前所未有的安全挑战。自动驾驶汽车车内没有司机及乘务人员的监督，如何将危害自动驾驶汽车安全事故进行有效管控，做到事前干预，主动预警，快速查询事件，提高应急事件联动处理能力，微视图灵提出了行之有效的一套整体解决方案。
AI 行为分析技术，通过监控摄像机拍摄回来的画面分析场景下的异常行为，然后主动预警。能通过系统准确识别自动驾驶车内发生打架斗殴、不慎跌倒、聚众围观、高空攀爬/危险攀高、紧急求救、烟火报警等异常行为，还可以进行客流人数统计分析。做到主动预警给相关安检安保人员、安全主任、分管领导等，及时发现问题，有效解决安全问题。
【算法介绍】 跌倒报警
【定义】人的头、屁股、脚处于同一平面平行于地面时定义为跌倒
【场景】自动驾驶车内区域
【设置规则】该动作无需设置区域和事件，全范围全程实时检测，仅需要对灵敏度进行调整，低灵敏度误报较小，高灵敏度误报较多，无人驾驶车空间小，摄像头垂直状态下，也可以画区域，画座椅以下的区域，另外可以根据情况设置预警间隔时间，骨骼识别阈值
【动作特性】跌倒属肢体动作，可能会误报。有人跌倒时，如果能爬起来，则没有问题；如果不能起来，则有可能发生意外，需前往查看。对半蹲、坐地、跪地、半躺、全躺、全趴下等行为也做了识别。
【其它】根据需求可以直接却换现场画面，或存储回放事件前后几秒录像
【算法介绍】 需要帮助
【定义】当有人双手举起，做交叉动作超过肩膀的位置，则定义为需要帮助。
【场景】自动驾驶汽车内，当人们遇到困难，或者看到困难，举起双手挥手即可发出需要帮助信号。同样的当人们遇到危险或恐吓时，或者被挟持双手抱头时，同样也等于变相的发出了求救信号。
【设置规则】该动作无需设置区域和事件，全范围全程实时检测，仅需要对灵敏度进行调整，低灵敏度误报较小，高灵敏度误报较多，根据具体情况也可以设置预警间隔时间。
【识别速度】自动作发生到系统分析，3秒内可发出预警
【其它】根据需求可以直接却换现场画面，或存储回放事件前后几秒录像
【定义】当有人在攀爬自动驾驶汽车座椅，在座椅上检测到人的脚，系统则会报攀爬事件，并定义为攀爬
【场景】自动驾驶汽车内座椅，自动驾驶车门，自动驾驶内护杆等
【设置规则】在自动驾驶汽车内1米高的位置，一直到车内顶部，包括车内里侧，都设置成警戒区域，其它区域也这样设置
【动作特性】可以设置预警间隔时间，属骨架和人体姿态特征的组合，一般不会误报
【识别速度】自动作发生到系统分析，3秒内可发出预警
【其它】根据需求可以直接却换现场画面，或存储回放事件前后几秒录像
【动作定义】两人或多人互掐、扭打、推搡等定义为打架
【应用场景】自动驾驶汽车内
【设置规则】该动作无需设置区域和事件，全范围全程实时检测，仅需要对灵敏度进行调整。低灵敏度误报较小，高灵敏度误报较多。
【动作特性】打架属于肢体动作，没有任何动作标准。目前系统仅支持互掐、扭打、拳打脚踢等类型的算法识别，其他打架行为可能识别不了。真实打架场景，往往伴随有跌倒、求救、聚众等状况，因此在设置打架规则时，建议同时设置这几个动作规则
【识别速度】自动作发生到系统分析，3秒内可发出预警
【其它】根据需求可以直接却换现场画面，或存储回放事件前后几秒录像
【定义】统计自动驾驶汽车内人数，超过限制载人时发出预警。
【场景】该功能 用于自动驾驶汽车内，用于乘客人数
【设置规则】该动作无需设置区域和事件，全范围全程实时检测
【识别速度】自动作发生到系统分析，3秒内可发出预警
【其它】根据需求可以直接却换现场画面，或存储回放事件前后几秒录像
【定义】当自动驾驶汽车内有人吸烟，发现烟雾或有人使用打火机点火，或发生火焰时
【场景】自动驾驶汽车内
【设置规则】该动作无需设置区域和事件，全范围全程实时检测
【识别速度】自动作发生到系统分析，3秒内可发出预警
【其它】根据实际情况最好采用带光谱摄像头，效果更佳
