局部与全局上下文特征融合的行人过街意图预测
计算机视觉与模式识别
2023-05-03 v1 人工智能
机器学习
摘要
自动驾驶车辆（AVs）正成为未来交通不可或缺的一部分。然而，安全挑战与可靠性不足限制了其现实部署。为推动 AVs 上路，AVs 与行人的交互包括“行人过街意图预测”值得广泛研究。这是一项极具挑战的任务，因涉及多个非线性参数。在此方向上，我们提取并分析行人与交通上下文的时空视觉特征。行人特征包括表征行人行为的身体姿态与局部上下文特征。此外，为理解全局上下文，我们利用场景解析技术获取位置、运动及环境信息以表征行人周边可能影响其意图的环境。最后，这些多模态特征被智能融合以实现有效的意图预测学习。所提模型在 JAAD 数据集上的实验结果显示，在综合 AUC 与 F1-score 上优于当前最优方法。
引用
@article{arxiv.2305.01111,
title = {Local and Global Contextual Features Fusion for Pedestrian Intention Prediction},
author = {Mohsen Azarmi and Mahdi Rezaei and Tanveer Hussain and Chenghao Qian},
journal= {arXiv preprint arXiv:2305.01111},
year = {2023}
}