利用姿态检测与序列建模预测道路穿越行为
计算机视觉与模式识别
2025-08-22 v1 人工智能
摘要
世界正不断迈向基于人工智能的系统，自动驾驶汽车如今已在全球不同地区成为现实。这些车辆需要传感器和摄像头来检测物体并据此进行机动。对于此类车辆而言，从远处预测行人是否即将穿越道路变得至关重要。本研究聚焦于在实验环境中预测行人穿越道路的意图。研究涉及使用深度学习模型预测姿态，并利用序列建模进行时序预测。研究分析了三种不同的序列建模方法以理解预测行为，结果发现，在预测意图方面，GRU 优于 LSTM 模型，但 1D CNN 在速度方面是最佳模型。该研究涉及视频分析，姿态检测模型的输出随后被集成到序列建模技术中，形成一个用于预测道路穿越意图的端到端深度学习框架。
引用
@article{arxiv.2508.15336,
title = {Predicting Road Crossing Behaviour using Pose Detection and Sequence Modelling},
author = {Subhasis Dasgupta and Preetam Saha and Agniva Roy and Jaydip Sen},
journal= {arXiv preprint arXiv:2508.15336},
year = {2025}
}
备注
This is a pre-print version of the original paper accepted in the IEEE conference INDISCON 2025. It contains 8 figures and 1 table. The length of the paper is 7 pages