由内向外看：从视频预测驾驶员意图
计算机视觉与模式识别
2023-12-05 v1 人机交互
摘要
在具有不同人机自动驾驶等级的车辆共享道路时，预测驾驶员意图是一项重要任务。驾驶员意图可被利用以提升道路安全性，例如在驾驶员尝试危险操作时警告周围车辆。在本工作中，我们提出了一种利用车内和外部摄像头数据的新方法，以提高预测未来驾驶员动作的最先进 (SOTA) 性能。与现有方法相比，我们的方法明确地从外部摄像头数据中提取对象和道路级特征，我们证明这些是预测驾驶员意图的重要特征。使用我们手工设计的特征作为 Transformer 和基于 LSTM 的架构的输入，我们实证表明，联合利用车内和外部特征相比仅使用车内特征能提高性能。此外，我们的模型比现有方法更准确、更早地预测驾驶员操作，准确率达到 87.5%，且在操作发生前的平均预测时间为 4.35 秒。我们在 https://github.com/ykung83/Driver-Intent-Prediction 上发布了我们的模型配置和训练脚本。
引用
@article{arxiv.2312.01444,
title = {Looking Inside Out: Anticipating Driver Intent From Videos},
author = {Yung-chi Kung and Arthur Zhang and Junmin Wang and Joydeep Biswas},
journal= {arXiv preprint arXiv:2312.01444},
year = {2023}
}
备注
8 pages, 7 figures