面向行人过街行为预测的意图与动作耦合方法
计算机视觉与模式识别
2021-05-11 v1
摘要
自动驾驶车辆对行人过街行为的准确预测可显著提升交通安全。现有方法常利用轨迹或姿态对行人行为建模，但未能对行人的动作或其动作如何影响未来过街意图提供更深入的语义解释。本文遵循神经科学与心理学文献，将行人过街行为定义为未观测的内在意愿（过街与不过街的二值意图的概率表示）与一组多类动作（如行走、站立等）的组合。意图产生动作，而未来动作反过来反映意图。我们提出一种新颖的多任务网络，可预测未来行人动作，并利用预测的未来动作作为先验来检测行人当前的意图与动作。我们还设计了一种注意力关系网络以融入外部环境上下文，从而进一步提升意图与动作检测性能。我们在两个自然驾驶数据集PIE和JAAD上评估了我们的方法，大量实验表明，相较于SOTA方法，我们的方法在意图检测与动作预测上均取得了显著提升且更具可解释性。我们的代码见：https://github.com/umautobots/pedestrian_intent_action_detection。
引用
@article{arxiv.2105.04133,
title = {Coupling Intent and Action for Pedestrian Crossing Behavior Prediction},
author = {Yu Yao and Ella Atkins and Matthew Johnson Roberson and Ram Vasudevan and Xiaoxiao Du},
journal= {arXiv preprint arXiv:2105.04133},
year = {2021}
}
备注
7pages, 4 figures, 3 tables. Accepted to IJCAI2021