ICPR 2024 骑行者意图预测竞赛
计算机视觉与模式识别
2025-03-12 v1 人工智能
人机交互
机器人学
摘要
车辆市场的近期激增导致了道路事故的惊人增加。这凸显了加强道路安全措施的关键重要性，尤其是对摩托车手等弱势道路使用者。因此，我们引入了骑行者意图预测（RIP）竞赛，旨在通过主动预测 maneuver 发生之前来应对骑行者安全挑战，从而加强骑行者安全。该能力使骑行者能够对高级驾驶辅助系统（ADAS）标记的潜在不正确 maneuver 做出反应。我们收集了一个新数据集，即骑行者动作预期数据集（RAAD），用于该竞赛，包含两个任务：单视角 RIP 和多视角 RIP。该数据集涵盖了广泛的交通条件和具有挑战性的导航 maneuver，以及不同光照条件下的道路。对于竞赛，我们收到了七十五份注册和五份团队提交用于推理，其中我们将排名前三的团队在两项 RIP 任务上的方法进行了比较：一种状态空间模型（Mamba2）和两种基于学习的方法（SVM 和 CNN-LSTM）。结果表明，状态空间模型在整个数据集上优于其他方法，在 maneuver 类别上提供了均衡的性能。基于 SVM 的 RIP 方法在使用随机采样和 SMOTE 时表现出第二好的性能。然而，CNN-LSTM 方法表现不佳，主要由于类别不平衡问题，特别是在处理少数类别时挣扎。本论文详细介绍了所提出的 RAAD 数据集，并提供了 RIP 2024 竞赛提交的总结。
引用
@article{arxiv.2503.08437,
title = {ICPR 2024 Competition on Rider Intention Prediction},
author = {Shankar Gangisetty and Abdul Wasi and Shyam Nandan Rai and C. V. Jawahar and Sajay Raj and Manish Prajapati and Ayesha Choudhary and Aaryadev Chandra and Dev Chandan and Shireen Chand and Suvaditya Mukherjee},
journal= {arXiv preprint arXiv:2503.08437},
year = {2025}
}