关键交通场景中行人行为的识别与提取

更好地理解关键交通场景中的交互式行人行为，对于开发增强的行人安全系统至关重要。真实世界的交通观测在其中起着决定性作用，因为它们以无偏见的方式代表了行为。在这项工作中，我们提出了一种如何从基于摄像头的观测系统中推导出大量行人-车辆交互子集的方法。为此，我们使用 110 小的视频录像，自动检查了道路使用者轨迹以建立时间和空间关系。为了识别关键交互，我们的方法将 post-encroachment time 指标与新引入的运动自适应指标相结合。从超过 11,000 条重建的行人轨迹中，使用 2s 的 post-encroachment time 阈值后，保留了 259 个潜在场景。然而，在 95% 的情况下，由于避免了关键性，未观察到行人行为的自适应。应用所提出的运动自适应指标后，仅剩 21 个关键场景。人工调查显示，其中 7 个存在关键的行人-车辆交互。这些交互被进一步分析并公开，以用于开发行人行为模型。结果表明，使用所提出的方法可以提取出行人在相对较晚阶段感知并反应于车辆的关键交互。