基于视觉传感器深度神经网络的复杂驾驶场景分析系统以支持碰撞风险评估与预防
计算机视觉与模式识别
2021-06-22 v1 人工智能
摘要
为辅助人类驾驶员与自动驾驶车辆评估碰撞风险，利用车载行车记录仪与深度学习算法进行驾驶场景分析至关重要。尽管这些技术日益普及，但用于此目的的驾驶场景分析仍具挑战性，主要源于缺乏用于分析碰撞风险指标与碰撞可能性的标注大型图像数据集，以及缺乏从复杂驾驶场景中提取大量所需信息的有效方法。为弥补这一空白，本文开发了一个场景分析系统。该系统的 Multi-Net 包含两个多任务神经网络，执行场景分类并为每个场景提供四个标签。系统将 DeepLab v3 与 YOLO v3 相结合，以检测并定位危险行人与最近车辆。所有识别出的信息可为自动驾驶车辆或人类驾驶员提供态势感知，以识别周边交通中的碰撞风险。针对研究交通事故的标注图像数据集稀缺问题，本文构建了两个全新数据集并公开，已证明其在训练所提深度神经网络方面有效。本文进一步评估了 Multi-Net 的性能及所开发系统的效率，并通过代表性示例说明了综合场景分析。结果表明所开发系统与数据集对驾驶场景分析的有效性，及其对碰撞风险评估与碰撞预防的支撑作用。
引用
@article{arxiv.2106.10319,
title = {A system of vision sensor based deep neural networks for complex driving scene analysis in support of crash risk assessment and prevention},
author = {Muhammad Monjurul Karim and Yu Li and Ruwen Qin and Zhaozheng Yin},
journal= {arXiv preprint arXiv:2106.10319},
year = {2021}
}
备注
11 Pages, 8 Figures, Presented in TRB conference