基于时空一致性的动态交通场景分类
计算机视觉与模式识别
2019-05-31 v1 图像与视频处理
摘要
本文研究在移动车辆所载视频中因视角时空变化而产生的动态交通场景分类问题。该问题的解决方案对实现解读或预测道路使用者行为所需的有效驾驶辅助技术十分重要。目前，由于缺少考虑由车辆自身运动引起的交通场景时空演化的基准数据集，动态交通场景分类尚未得到充分解决。本文有三项主要贡献。首先，发布一个带标注的数据集以支持动态场景分类，其包含旧金山湾区收集的 80 小时多样化高质量驾驶视频片段，数据集含道路地点、道路类型、天气及路面状况的时间标注。其次，我们提出利用数据集语义上下文与时间特性的新颖算法与基线算法，用于道路场景的动态分类。最后，我们展示算法与实验结果，阐明场景分类提取的特征如何作为强先验并有助于战术级驾驶行为理解。结果显示相较文献中既往报告的驾驶行为检测基线有显著改进。
引用
@article{arxiv.1905.12708,
title = {Dynamic Traffic Scene Classification with Space-Time Coherence},
author = {Athma Narayanan and Isht Dwivedi and Behzad Dariush},
journal= {arXiv preprint arXiv:1905.12708},
year = {2019}
}
备注
accpeted in (International Conference on Robotics and Automation)ICRA 2019