利用卷积神经网络预测行人过街行为
计算机视觉与模式识别
2022-08-16 v1
摘要
过马路是一项常见却潜在危险的行为。行人事故在每年大量交通伤亡中占显著比例，因此行人使用人行横道等安全措施至关重要。然而，人们常忘记或无法激活人行横道信号灯——例如视障人士或双手占用者。其他行人则单纯疏忽并将信号灯视为麻烦，这可能导致被车撞到的事故。本文中，我们考虑通过设计可检测行人并自动触发人行横道信号的系统来改进人行横道系统。我们收集了一个图像数据集，并用以训练卷积神经网络以区分行人（含骑行者）与各类误报。所得系统可实时捕获并评估图像，其结果可用于自动激活人行横道灯。在真实环境中广泛测试后，我们得出结论：作为可补充现有人行横道按钮的备用系统，它是可行的，从而提升过街整体安全性。
引用
@article{arxiv.2208.07250,
title = {Predicting Pedestrian Crosswalk Behavior Using Convolutional Neural Networks},
author = {Eric Liang and Mark Stamp},
journal= {arXiv preprint arXiv:2208.07250},
year = {2022}
}