CoCAtt：一个认知状态条件的驾驶员注意力数据集

驾驶员注意力预测任务在机器人技术和自动驾驶汽车工业的研究人员中引起了相当大的兴趣。驾驶员注意力预测可在缓解和预防碰撞与伤亡等高风险事件方面发挥重要作用。然而，现有的驾驶员注意力预测模型忽视了驾驶员的分散注意状态与意图，而这些会显著影响其观察周围环境的方式。为解决这些问题，我们提出一个新的驾驶员注意力数据集 CoCAtt（Cognitive-Conditioned Attention，认知状态条件注意力）。与以往的驾驶员注意力数据集不同，CoCAtt 包含描述驾驶员分散注意状态与意图的逐帧标注。此外，我们数据集中的注意力数据是在手动与自动驾驶两种模式下，使用不同分辨率的眼动追踪设备采集的。我们的结果表明，将上述两种驾驶员状态纳入注意力建模可提升驾驶员注意力预测的性能。据我们所知，本工作是首个提供自动驾驶注意力数据的。此外，CoCAtt 目前是就自动化等级、眼动追踪器分辨率和驾驶场景而言规模最大、最具多样性的驾驶员注意力数据集。