DriftNet: 基于3D EfficientNet架构的攻击性驾驶行为分类
计算机视觉与模式识别
2020-04-28 v1
摘要
攻击性驾驶(即车辆漂移)是一种危险行为,将人身安全与生命置于重大风险之中。该行为在公共交通道路的正常交通中被视为异常。深度学习近期技术为不同场景下的异常检测提出了新方法,如行人监控、街头斗殴与威胁检测。本文提出一种应用于攻击性驾驶行为检测的异常检测新框架。我们的贡献在于基于最先进的EfficientNet 2D图像分类器,开发了一种3D神经网络架构,用于视频中的攻击性驾驶检测。我们提出了一种用于视频分析的EfficientNet3D CNN特征提取器,并与现有特征提取器进行比较。我们还创建了沙特阿拉伯场景下的车辆漂移数据集 https://www.youtube.com/watch?v=vLzgye1-d1k 。据我们所知,这是首个利用深度学习解决攻击性驾驶行为问题的研究。
引用
@article{arxiv.2004.11970,
title = {DriftNet: Aggressive Driving Behavior Classification using 3D EfficientNet Architecture},
author = {Alam Noor and Bilel Benjdira and Adel Ammar and Anis Koubaa},
journal= {arXiv preprint arXiv:2004.11970},
year = {2020}
}