DADA-2000：驾驶事故能否由驾驶员注意力预测？基于基准的分析
计算机视觉与模式识别
2019-04-30 v1 人工智能
摘要
驾驶员注意力预测目前正成为安全驾驶研究领域的焦点，例如 DR(eye)VE 项目和在危急情况下新出现的 Berkeley DeepDrive Attention（BDD-A）数据库。在安全驾驶中，一项基本任务是尽早预测即将发生的事故。BDD-A 意识到这一问题，并因这类场景的稀有性而在实验室中采集了驾驶员注意力。然而，BDD-A 关注未遭遇实际事故的危急情况，且仅面向驾驶员注意力预测任务，并未向事故预测迈出紧密的一步。与此相反，我们探索驾驶员视线以捕捉多种事故，并构建了一个前所未有的更具多样性和更大规模的视频基准，其同时带有驾驶员注意力与驾驶事故标注（命名为 DADA-2000），该基准拥有 2000 个视频片段，约 658,476 帧，涵盖 54 类事故。这些片段为众包采集，捕获于多种场合（高速、城市、乡村和隧道）、天气（晴、雨和雪）及光照条件（白天和夜晚）。对于驾驶员注意力表征，我们采集了注视点图、扫视扫描路径和聚焦时间。事故按其类别、片段中的事故窗口以及碰撞物体的空间位置进行标注。基于分析，我们对该论文中的问题获得了定量且肯定的回答。
引用
@article{arxiv.1904.12634,
title = {DADA-2000: Can Driving Accident be Predicted by Driver Attention? Analyzed by A Benchmark},
author = {Jianwu Fang and Dingxin Yan and Jiahuan Qiao and Jianru Xue and He Wang and Sen Li},
journal= {arXiv preprint arXiv:1904.12634},
year = {2019}
}
备注
Submitted to ITSC 2019