基于YOLOv8-LSTM多模态协同优化的智能车辆碰撞预警系统研究OA
随着智能驾驶技术的快速发展,车辆安全成为制约其普及的关键因素.针对传统单模态算法在车辆碰撞预警中的局限性,文中提出了一种基于YOLOv8与LSTM的多模态协同优化框架.该框架通过融合视觉、雷达及车辆状态等多模态数据,结合YOLOv8的空间特征提取能力与LSTM的时序预测优势,可实现对道路目标的精准识别、轨迹预测及碰撞风险评估.实验结果表明,与Faster R-CNN、Transformer等主流算法相比,该融合模型在准确率、误报率及实时性方面均表现出显著优势,为复杂交通场景下的安全预警提供了新思路.
贾子翰;陈昊;田智文;冯翰杰;孙自梅
南京工业大学浦江学院 计算机与通信工程学院,江苏 南京 211200南京工业大学浦江学院 计算机与通信工程学院,江苏 南京 211200南京工业大学浦江学院 计算机与通信工程学院,江苏 南京 211200南京工业大学浦江学院 计算机与通信工程学院,江苏 南京 211200南京工业大学浦江学院 计算机与通信工程学院,江苏 南京 211200
信息技术与安全科学
智能车辆安全YOLOv8LSTM算法融合安全预警系统多模态数据融合
《物联网技术》 2026 (10)
21-25,5
大学生创新创业训练计划项目(S202513905007)
评论