基于车内与驾驶场景监控的驾驶员意图预判
计算机视觉与模式识别
2020-06-24 v1
摘要
大量车祸由不当驾驶操作引起。然而,如果此类驾驶操作能被提前检测并相应辅助驾驶员,严重伤害是可以避免的。事实上,近期诸多研究聚焦于基于主要从车内驾驶员视频中提取的手工特征来自动预测驾驶操作。由于交通场景的外部视图也可能包含用于驾驶操作预测的有信息量的特征,我们提出了一种基于车内和交通场景视频检测驾驶员意图的框架。更具体地,我们(1)提出一种基于卷积-LSTM(ConvLSTM)的自编码器,从车外交通中提取运动特征,(2)训练一个联合考虑车内和车外运动的分类器用于操作意图预判,(3)通过实验证明车内和车外图像特征具有互补信息。基于公开数据集Brain4cars的评估表明,我们的框架实现了83.98%的准确率和84.3%的F1分数。
引用
@article{arxiv.2006.11557,
title = {Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring},
author = {Yao Rong and Zeynep Akata and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2006.11557},
year = {2020}
}
备注
8 pages, 9 figures