李 毅，黄 钢，秦朗朗，严 永

公安部道路交通安全研究中心

摘要： 目的 针对辅助驾驶汽车事故调查中传统方法难以量化高级驾驶辅助系统（advanced driver assistance systems，ADAS）感知能力的问题，提出一种可追溯事故前目标识别功能表现的调查分析技术，为事故致因分析和ADAS相关功能调查提供技术支撑。方法 以事故车辆车载视频为核心数据源，采用KITTI 2D公开数据集与交通锥数据集开展YOLOv8目标检测模型训练，对实际事故车载视频进行逐帧检测，提取关键目标的检出时刻、模型输出类别及时序变化，并与事故车辆运行日志中记录的ADAS感知数据进行交叉比对。结果 YOLOv8模型在事故车辆车载视频中检出了车辆、作业人员及交通锥等目标，其中，车辆目标首次检出帧距碰撞帧约4.97 s。事故车辆运行日志在碰撞前7 s的各采样时刻，目标识别类型均记录为“无目标”。通过两组数据对比分析，外部视频检测结果与日志数据的目标识别记录存在差异，事故车辆在实际场景下对相关目标存在漏检，表明事故车辆感知系统对静止车辆、交通锥及作业人员等关键目标的感知识别可能存在不足。结论 本研究所提出的技术能够重构事故视频中关键目标的检出历程，可分析ADAS在事故发生前的目标识别差异，实现对事故车辆感知系统目标识别功能的追溯分析，为辅助驾驶汽车事故调查及ADAS感知性能改进提供技术支持。

关键词：运行数据, 目标检测, YOLOv8, 辅助驾驶, 感知系统, 事故调查

摘自：《中国司法鉴定》2026年第5期

本文链接：点击跳转