从视频中学习多车交互模式的通用框架

在杂乱驾驶环境中对多车交互模式进行语义学习与理解，对于自动驾驶车辆做出恰当决策至关重要但极具挑战。本文提出一种通用框架，从鸟瞰交通视频中深入剖析复杂的多车交互模式。我们采用高斯速度场描述时变的多车交互行为，随后使用深度自编码器对各时间帧学习相应的潜在表示。接着，我们利用以层次化狄利克雷过程为先验的隐半马尔可夫模型，将这些序列表示分割为细粒度组件，亦称交通基元，对应于交互模式。实验结果表明，我们所提框架可从视频中提取交通基元，从而提供一种分析多车交互模式的语义方法，即便对于远比人类所能应对的更为混乱的驾驶场景亦如此。