自行车安全研究长期依赖仪器化自行车来收集车辆超越行为的实地证据，但从连续后向视频中提取超车事件一直需要人工逐帧标注。这一瓶颈严重限制了样本规模，阻碍了自然骑行安全研究的发展。为此，来自密歇根大学等机构的研究者提出了一种基于几何信息的计算机视觉流程，能够仅凭单个自行车搭载的摄像头自动检测超车事件，无需多传感器配置或显式相机标定。
该系统将RT-DETR目标检测与ByteTrack多目标跟踪相结合，并引入一个三阶段几何验证模块。该模块基于透视投影原理，依次检查目标方位角的变化趋势、目标表观尺寸的持续增长以及空间确认标准，从而有效过滤误检。研究团队在美国密歇根州安娜堡的城市道路上采集了315个手动标注的真实超车事件进行验证，结果显示该流程实现了97.8%的召回率，且没有产生任何误报。
除了检测超车事件，该系统还展示了主动安全预警的潜力。分析表明，系统平均能在车辆实际通过前2.44秒识别出超车意图，其中84.1%的事件预警时间超过了人类1.5秒的反应时间阈值。这意味着该系统有潜力为骑行者提供及时的预警，从而提升骑行安全。
在横向通过距离方面，研究团队从96个事件中进行了测量，发现33.3%的超车距离低于5英尺（152.4厘米）的安全阈值，这与以往实地研究和自我报告研究中的不合规比例一致。此外，研究者还提出了一种初步的无标定横向距离估计方法，利用边界框的几何特征进行估算。在留一法交叉验证下，该方法的平均绝对误差为13至14厘米，足以区分近距离通过和标准通过，满足安全分类的需求。
该研究的意义在于，通过自动化从消费级视频中分离事件，消除了仪器化自行车研究中主要的标注瓶颈，为在更大数据集和多样化城市环境中进行车辆-自行车交互分析提供了可扩展的基础。论文标题为《A Geometry-Informed Computer Vision Method for Detecting and Examining Overtaking Vehicles From A Bicycle》，提交于2026年6月3日，共18页、6幅图，目前正在准备期刊投稿。