自动驾驶中关注手部：一种利用部分亲和场的卷积网络方法
图像与视频处理
2018-04-05 v1 计算机视觉与模式识别
摘要
在自动驾驶背景下，当计算机可能发出接管请求时人类可能需要接管，迈向驾驶安全的关键一步是监测手部以确保驾驶员为此类请求做好准备。本工作聚焦于该过程的第一步，即定位手部。这样的系统必须实时工作，并能在变化的恶劣光照条件下运行。本文介绍了一种快速的 ConvNet 方法，基于 OpenPose 用于全身关节估计的原创工作。该网络以更少的参数进行修改，并使用我们自己的日间自然自动驾驶数据集重新训练，以估计驾驶员和乘客的手腕与肘部的关节和热度图以及亲和场，共计 8 个关节类别以及每对腕-肘之间的部分亲和场。该方法在真实世界数据上以 40 fps 对多名驾驶员和乘客实时运行。系统进行了广泛的定量与定性评估，在关节定位和手臂角度估计上显示出至少 95% 的检测性能。
引用
@article{arxiv.1804.01176,
title = {Looking at Hands in Autonomous Vehicles: A ConvNet Approach using Part Affinity Fields},
author = {Kevan Yuen and Mohan M. Trivedi},
journal= {arXiv preprint arXiv:1804.01176},
year = {2018}
}
备注
11 pages, 8 figures, 1 table. Submitted to "IEEE Transactions on Intelligent Vehicles" (under review)