自然场景中的电动滑板车骑行者检测
计算机视觉与模式识别
2021-11-30 v1
摘要
电动滑板车已成为全球各大城市中随处可见的交通工具。电动滑板车的数量持续攀升，增加了其与道路上其他车辆的相互作用。电动滑板车骑行者的正常行为与其他弱势道路使用者差异极大。这种情况为车辆主动安全系统和自动驾驶功能带来了新的挑战，而检测电动滑板车骑行者是首要步骤。据我们所知，目前尚无现有的计算机视觉模型用于检测这些电动滑板车骑行者。本文提出了一种新颖的基于视觉的系统，用于区分电动滑板车骑行者与普通行人，并提供了一个自然场景中的电动滑板车骑行者基准数据集。我们提出了一个构建于两个现有最先进的卷积神经网络（CNN）——You Only Look Once (YOLOv3) 和 MobileNetV2——之上的高效流水线。我们在我们的数据集上对 MobileNetV2 进行微调，并训练该模型对电动滑板车骑行者和行人进行分类。在整个流水线上，我们对原始测试样本分类电动滑板车骑行者获得了约 0.75 的召回率。此外，在 YOLOv3 之上训练的 MobileNetV2 的分类准确率超过 91%，精确率和召回率均超过 0.9。
引用
@article{arxiv.2111.14060,
title = {Detection of E-scooter Riders in Naturalistic Scenes},
author = {Kumar Apurv and Renran Tian and Rini Sherony},
journal= {arXiv preprint arXiv:2111.14060},
year = {2021}
}