基于深度学习的骑行者朝向检测以增强弱势道路使用者安全
计算机视觉与模式识别
2021-08-29 v1 机器学习
图像与视频处理
机器学习
摘要
在这项工作中，深度学习被用于一类特别弱势的道路使用者——骑行者的朝向检测。了解骑行者的朝向具有重要意义，因为它能很好地指示其未来轨迹，这对于在智能交通系统中避免事故至关重要。利用带预训练模型的迁移学习和 TensorFlow，我们给出了文献中报道的主要目标检测算法（如 SSD、Faster R-CNN 和 R-FCN，以及 MobilenetV2、InceptionV2、ResNet50、ResNet101 特征提取器）之间的性能比较。此外，我们提出了依据朝向的八类多类检测。为此，我们引入了一个名为“Detect-Bike”的新数据集，包含 11,103 张图像中的 20,229 个骑行者实例，其标注基于骑行者朝向。然后，将用于检测的相同深度学习方法训练用于确定目标朝向。我们的实验结果与大量评估表明，所有被研究的方法在骑行者及其朝向检测上均取得了令人满意的性能，尤其是使用 Faster R-CNN 与 ResNet50 被证明精确但明显更慢。同时，使用 InceptionV2 的 SSD 在精度与执行时间之间提供了良好折衷，更适合实时嵌入式应用。
引用
@article{arxiv.2004.11909,
title = {On the safety of vulnerable road users by cyclist orientation detection using Deep Learning},
author = {Marichelo Garcia-Venegas and Diego A. Mercado-Ravell and Carlos A. Carballo-Monsivais},
journal= {arXiv preprint arXiv:2004.11909},
year = {2021}
}
备注
"This paper is a preprint of a paper submitted to IET Intelligent Transport Systems. If accepted, the copy of record will be available at the IET Digital Library"