基于 2D 姿态的行人运动状态估计
计算机视觉与模式识别
2021-03-04 v1 机器人学
摘要
交通违规以及行人灵活多变的性质使得预测行人行为或意图更加困难，这可能成为道路上的潜在安全隐患。行人运动状态（如行走和站立）直接影响或反映其意图。结合行人运动状态与其他影响因素，可预测行人意图以避免不必要的事故。本文将行人视为非刚性对象，可由一组二维关键点表示，并引入关键点相对于躯干的移动作为微运动。利用静态与动态微运动特征（如位置、角度和距离）及其在时域中的差分计算来描述其运动模式。基于门控循环神经网络的 seq2seq 模型用于学习运动状态转移对先前信息的依赖，最终通过 softmax 分类器估计行人运动状态。所提方法仅需 GRU 的先前隐藏状态与当前特征来评估当前运动状态的概率，且计算高效，可部署于车辆。本文在 JAAD 公开数据集上验证所提算法，准确率较现有方法提升 11.6%。
引用
@article{arxiv.2103.00145,
title = {Pedestrian Motion State Estimation From 2D Pose},
author = {Fei Li and Shiwei Fan and Pengzhen Chen and Xiangxu Li},
journal= {arXiv preprint arXiv:2103.00145},
year = {2021}
}