FuSSI-Net：用于意图预测的时空骨架融合网络
计算机视觉与模式识别
2020-05-19 v1 机器学习
图像与视频处理
摘要
行人意图识别对于开发稳健且安全的自动驾驶（AD）和先进驾驶辅助系统（ADAS）的城市驾驶功能非常重要。在本工作中，我们开发了一个端到端行人意图框架，在白天和夜间场景下均表现良好。我们的框架依赖于目标检测边界框结合人体姿态的骨架特征。我们研究了早期、晚期以及组合（早期和晚期）融合机制，以利用骨架特征并减少误报，同时提升意图预测性能。早期融合机制在行人意图分类上取得了 0.89 的 AP 以及 0.79/0.89 的精确率/召回率。此外，我们提出了三个新指标以恰当评估行人意图系统。在这些用于意图预测的新评估指标下，所提端到端网络能在实际危险机动发生前最多半秒给出准确的行人意图。
引用
@article{arxiv.2005.07796,
title = {FuSSI-Net: Fusion of Spatio-temporal Skeletons for Intention Prediction Network},
author = {Francesco Piccoli and Rajarathnam Balakrishnan and Maria Jesus Perez and Moraldeepsingh Sachdeo and Carlos Nunez and Matthew Tang and Kajsa Andreasson and Kalle Bjurek and Ria Dass Raj and Ebba Davidsson and Colin Eriksson and Victor Hagman and Jonas Sjoberg and Ying Li and L. Srikar Muppirisetty and Sohini Roychowdhury},
journal= {arXiv preprint arXiv:2005.07796},
year = {2020}
}
备注
5 pages, 6 figures, 5 tables, IEEE Asilomar SSC