先知先觉的汽车：通过学习时序驾驶模型预测驾驶操作
计算机视觉与模式识别
2015-09-22 v2
摘要
高级驾驶辅助系统 (ADAS) 在过去十年中提高了驾驶安全性。它们使车辆能够应对不安全的路况，并在驾驶员执行危险操作时发出警报。然而，许多事故无法避免，因为当驾驶员收到警报时，为时已晚。提前预测驾驶操作可以在驾驶员执行操作之前发出警报，并为 ADAS 提供更多时间来避免或准备应对危险。在本工作中，我们提前几秒钟预测驾驶操作。为此，我们为车辆配备摄像头和计算设备，以捕捉车内和车外的驾驶情境。我们提出了一种自回归输入输出隐马尔可夫模型 (Autoregressive Input-Output HMM) 来对情境信息及驾驶操作进行建模。我们在包含 1180 英里自然高速公路和城市驾驶数据的多样化数据集上评估了我们的方法，结果表明我们能够在操作发生前 3.5 秒进行预测，且实时 F1 分数超过 80%。
引用
@article{arxiv.1504.02789,
title = {Car that Knows Before You Do: Anticipating Maneuvers via Learning Temporal Driving Models},
author = {Ashesh Jain and Hema S. Koppula and Bharad Raghavan and Shane Soh and Ashutosh Saxena},
journal= {arXiv preprint arXiv:1504.02789},
year = {2015}
}
备注
ICCV 2015, http://brain4cars.com