MOTOR：用于两轮车骑行者行为理解的多模态数据集
计算机视觉与模式识别
2026-05-22 v1
摘要
两轮车在全球南部占比异常高的道路致命事故中屈居首位。然而，针对两轮车骑行者行为的研究远落后于四轮车，其上已有多模态数据集推动了先进驾驶辅助系统 (ADAS) 的重大进展。为弥补这一差距，我们提出了 MOtorized TwO-wheeler Rider (MOTOR) 数据集，是首个专为密集非结构化交通环境下的两轮车而建设的大规模、多视角、多模态资源。MOTOR 包含 1,629 个序列（25+ 小时视频数据），来自 16 位骑手，并集成同步的前后视角视频、头盔摄像头、骑手眼动轨迹、道路音频以及遥测数据（GPS、加速度计、陀螺仪）。丰富的注释捕获交通背景、骑手状态、12 种骑行动作（涵盖常规与非常规行为）以及合法性标签（Legal、Illegal、Unspecified）。我们使用基于 CNN 和基于 Transformer 的最新视频动作识别骨干网络进行骑行行为识别与动作合法性分类，结合多模态融合，发现将 RGB、眼动和遥测信息组合可获得最佳性能。MOTOR 为理解两轮车骑行的安全关键性提供了独特基础，为研究社区提供了基准，旨在开发和评估行为分析、合法性感知预测及智能交通系统模型。数据集与代码已发布于 https: //varuniiith.github.io/MOTOR-Dataset/。
引用
@article{arxiv.2605.22550,
title = {MOTOR: A Multimodal Dataset for Two-Wheeler Rider Behavior Understanding},
author = {Varun A. Paturkar and Shankar Gangisetty and C. V. Jawahar},
journal= {arXiv preprint arXiv:2605.22550},
year = {2026}
}