MIFI：面向鲁棒3D分心驾驶行为识别的多摄像头特征集成
计算机视觉与模式识别
2024-01-26 v1
摘要
分心驾驶行为识别在风险规避中起着关键作用，尤其在智能交通系统中大有裨益。然而，现有大多数方法仅利用单一视角的视频，并且忽略了难度不一致的问题。与它们不同，在这项工作中，我们提出了一种新颖的多摄像头特征集成（MIFI）方法，用于3D分心驾驶行为识别，通过联合建模来自不同摄像头视角的数据，并根据样本的难度显式地重新加权。我们的贡献有两点：（1）我们提出了一个简单但有效的多摄像头特征集成框架，并提供了三种类型的特征融合技术。（2）为了解决分心驾驶行为识别中的难度不一致问题，我们提出了一种名为样本重加权的周期性学习方法，该方法可以联合学习简单和困难样本。在3MDAD数据集上的实验结果表明，与单视角模型相比，所提出的MIFI能够持续提升性能。
引用
@article{arxiv.2401.14115,
title = {MIFI: MultI-camera Feature Integration for Roust 3D Distracted Driver Activity Recognition},
author = {Jian Kuang and Wenjing Li and Fang Li and Jun Zhang and Zhongcheng Wu},
journal= {arXiv preprint arXiv:2401.14115},
year = {2024}
}
备注
Accepted by IEEE Transactions on Intelligent Transportation Systems. Minor typos have been fixed in Table IV