基于深度学习的计算机视觉在 SHRP 2 NDS 视频中检测施工区
计算机视觉与模式识别
2018-11-13 v1
摘要
自然驾驶研究旨在多种环境条件下对人类驾驶员行为进行观测，以利用统计与物理模型分析、理解和预测该行为。第二届战略公路研究计划（SHRP 2）资助了若干交通安全性相关项目，包括其主要工作自然驾驶研究（NDS），以及作为 NDS 补充工作的道路信息数据库（RID）。本研究试图拓展研究人员可向 NDS 与 RID 数据库提出的可回答研究问题的范围。具体而言，我们提出 SHRP 2 NDS 视频分析（SNVA）软件应用，其从 NDS 装备车辆的朝前摄像头录像中提取信息，并将该信息高效整合进 RID，将视频内容与地理定位及其他行程属性相关联。研究人员与其他利益相关者特别关注的是施工区、交通信号状态和天气信息的整合。本文介绍的 SNVA 版本聚焦于优先级最高的施工区检测。鉴于 NDS 视频数据集达 2 拍字节（2PB）规模，快速自动发现并编目此类信息的能力尤为重要。
引用
@article{arxiv.1811.04250,
title = {Detecting Work Zones in SHRP 2 NDS Videos Using Deep Learning Based Computer Vision},
author = {Franklin Abodo and Robert Rittmuller and Brian Sumner and Andrew Berthaume},
journal= {arXiv preprint arXiv:1811.04250},
year = {2018}
}
备注
IEEE 17th International Conference on Machine Learning and Applications (ICMLA 2018), 3 figures, 1 table, 2 algorithms