一种基于图像的任务驱动驾驶场景分类方法

通过视觉感知对驾驶场景进行分类是安全驾驶及自动驾驶车辆下游任务的关键技术。传统方法通过检测场景相关物体或使用在精细标注场景图像大规模数据集上训练的 classifier 来推断场景类别。然而在如校园或公园等杂乱动态场景中，人类活动不受规则强约束，场所的功能属性与物体无强关联。因此如何定义、建模与推断场景类别，对于使该技术真正有助于辅助机器人通过场景至关重要。本文提出一种利用弱监督数据的任务驱动驾驶场景分类方法。给定驾驶场景的前视视频，依据人类驾驶员的决策标记一组锚点，其中锚点并非语义标签，而是指示场景语义属性不同于前者的标志。通过对比学习习得一种度量以区分不同语义属性的场景，并基于该度量开发了驾驶场景刻画与分类方法。实验在车辆穿越北京大学杂乱动态校园时所记录的前视视频上进行。场景被分类为直行道路、转弯道路与警示交通。对语义场景相似度学习与驾驶场景分类结果进行了深入研究，场景分类的阳性结果在学习视频上为 97.17%，在新场景视频上为 85.44%。