骑行者意图检测：一种概率方法
计算机视觉与模式识别
2021-04-20 v1 机器学习
摘要
本文提出一种用于概率性骑行者意图检测的整体方法。基于运动历史图像（MHI）的基本运动检测与残差卷积神经网络（ResNet）被用于估计当前骑行者运动状态的概率。这些概率在概率集成轨迹预测中用作权重。该集成由专用模型组成，这些模型在假设骑行者处于某种运动状态（例如骑行者起步或左转）下以高斯分布形式产生各自预测。通过对专用模型加权，我们生成以高斯混合形式表示的预测，定义了骑行者将以一定概率所处的区域。为评估我们的方法，我们对预测分布的可靠性、锐度和位置精度进行评级。我们将方法与以高斯分布形式产生预测的单模型方法进行比较，表明我们的方法能够产生更可靠、更锐的输出，同时保持相当的位置精度。两种方法均使用在公共交通路口创建的数据集进行评估。我们的代码与数据集已公开可用。
引用
@article{arxiv.2104.09176,
title = {Cyclist Intention Detection: A Probabilistic Approach},
author = {Stefan Zernetsch and Hannes Reichert and Viktor Kress and Konrad Doll and Bernhard Sick},
journal= {arXiv preprint arXiv:2104.09176},
year = {2021}
}