DeepSegmenter：用于检测未剪辑自然驾驶视频中异常的时间动作定位
计算机视觉与模式识别
2023-04-18 v1
摘要
识别驾驶员在驾驶过程中表现出的异常驾驶行为，对于理解驾驶员行为及碰撞潜在成因至关重要。以往研究主要将该问题视为分类任务，假定自然驾驶视频已离散化。然而，由于自然驾驶视频的连续性，该任务同时需要活动分割与分类。因此，当前研究脱离传统方法，引入一种新颖的方法论框架 DeepSegmenter，在单一框架中同时执行活动分割与分类。所提框架包含四大主要模块，即数据模块、活动分割模块、分类模块与后处理模块。我们所提方法在 2023 年 AI City Challenge 赛道 3 中获得第 8 名，在实验验证数据上的活动重叠得分为 0.5426。实验结果证明了所提系统的有效性、高效性与鲁棒性。
引用
@article{arxiv.2304.08261,
title = {DeepSegmenter: Temporal Action Localization for Detecting Anomalies in Untrimmed Naturalistic Driving Videos},
author = {Armstrong Aboah and Ulas Bagci and Abdul Rashid Mussah and Neema Jakisa Owor and Yaw Adu-Gyamfi},
journal= {arXiv preprint arXiv:2304.08261},
year = {2023}
}