基于高斯过程动态模型与行人活动识别的行人路径、姿态及意图预测
计算机视觉与模式识别
2020-05-01 v1
摘要
根据多个世界组织发布的报告,每年有数千名行人在道路事故中丧生。鉴于此,车载技术不断演进以期减少此类死亡。这一演进尚未完成,例如行人路径预测可改进当前的自动紧急制动系统(Automatic Emergency Braking Systems, AEBS)。为此,本文提出一种提前至多 1 秒预测未来行人路径、姿态与意图的方法。该方法基于平衡高斯过程动态模型(Balanced Gaussian Process Dynamical Models, B-GPDMs),其将从沿行人身体布置的关键点或关节提取的 3D 时间相关信息降维至低维空间。B-GPDM 还能推断未来潜位置并重建其关联观测。然而,为所有类型行人活动学习一个通用模型通常预测精度较低。因此,所提方法获取四类活动(即行走、停止、起步与站立)的多个模型,并选取最相似模型估计未来行人状态。该方法在步态启动后 125ms 以 80% 准确率检测起步活动,并在事件前 58.33ms 以 70% 准确率识别停止意图。关于路径预测,停止活动在事件前时间(Time-To-Event, TTE)为 1s 时的平均误差为 238.01mm,而起步动作在 TTE 为 0s 时的平均误差为 331.93mm。
引用
@article{arxiv.2004.14747,
title = {Pedestrian Path, Pose and Intention Prediction through Gaussian Process Dynamical Models and Pedestrian Activity Recognition},
author = {Raul Quintero and Ignacio Parra and David Fernandez Llorca and Miguel Angel Sotelo},
journal= {arXiv preprint arXiv:2004.14747},
year = {2020}
}
备注
12 pages