MonoPIC——一种基于 ID3 建模决策树的物联网边缘单目低延迟行人意图分类框架
机器人学
2024-02-06 v3 计算机视觉与模式识别
摘要
涉及自动驾驶车辆的道路交通事故通常发生于（行人）障碍物在极短时间内突然出现在行驶车辆路径上的情形，使机器人可用于应对场景变化的时间更短。为解决此问题，我们提出一种新颖的算法实现，利用 MediaPipe 姿态估计模型生成的四元数，以程序化方式将二维帧中单个任意选定的行人的意图分类为逻辑状态。该方法无需采用任何相对高延迟的深度学习算法，主要因为既不需要深度感知，也由于大多数物联网边缘设备在计算资源上存在隐性上限。该模型在平均延迟 48 毫秒的运行条件下取得了 83.56% 的平均测试准确率，方差可靠地为 0.0042，展现出相较于当前使用时空卷积网络执行此类感知任务标准的多项显著优势。
引用
@article{arxiv.2304.00206,
title = {MonoPIC -- A Monocular Low-Latency Pedestrian Intention Classification Framework for IoT Edges Using ID3 Modelled Decision Trees},
author = {Sriram Radhakrishna and Adithya Balasubramanyam},
journal= {arXiv preprint arXiv:2304.00206},
year = {2024}
}