以自我中心数据分类骑行危险
计算机视觉与模式识别
2021-03-16 v1
摘要
本提案旨在创建并标注一个包含危险骑行情境的自我中心视频数据集。所得数据集将促进旨在提升骑行者安全与体验的项目。由于骑行者对路面状况与危险高度敏感，其在路线导航时需要关于道路状况的更多细节。诸如电车轨道、鹅卵石、格栅与检修井盖等特征可能在其旅途中构成危险或令人不适的骑行条件。该数据集的可能用途包括：为市政当局识别骑行基础设施中现存的危险、为骑行者提供实时危险与路面状况预警，以及识别导致骑行者在其即时路线上突然变向的条件。
引用
@article{arxiv.2103.08102,
title = {Classifying Cycling Hazards in Egocentric Data},
author = {Jayson Haebich and Christian Sandor and Alvaro Cassinelli},
journal= {arXiv preprint arXiv:2103.08102},
year = {2021}
}