部分遮挡对行人可检测性的影响
计算机视觉与模式识别
2023-07-28 v6 图像与视频处理
摘要
鲁棒地检测弱势道路使用者是异质交通中部署自动驾驶车辆的安全关键要求。最复杂的未决挑战之一是部分遮挡问题，即由于被另一前景物体遮挡，传感器只能获取到目标物体的部分信息。许多领先的行人检测基准都提供了部分遮挡的标注，但每个基准对遮挡发生与严重程度的界定差异很大。近期研究表明，在这些情况下对遮挡等级的分类具有高度主观性，且遮挡通常被分为部分遮挡和严重遮挡等 2 到 3 个宽泛类别。这可能导致根据所用基准的不同，行人检测模型性能的报告不准确或不一致。本研究引入了一种新颖、客观的 partially occluded 行人检测基准，以促进对行人检测模型客观表征。对七个流行行人检测模型在 0-99% 一系列遮挡等级下进行了表征，以证明所提表征方法的有效性与增强的分析能力。结果表明，随着行人遮挡等级增加，行人检测性能下降，且假阴性检测数量上升。在所表征的七个流行行人检测方法中，CenterNet 总体性能最佳，其次是 SSDlite。RetinaNet 在各遮挡等级范围内的总体检测性能最低。
引用
@article{arxiv.2205.04812,
title = {The Impact of Partial Occlusion on Pedestrian Detectability},
author = {Shane Gilroy and Darragh Mullins and Edward Jones and Ashkan Parsi and Martin Glavin},
journal= {arXiv preprint arXiv:2205.04812},
year = {2023}
}
备注
This research has been published under the title "Replacing the human driver: An objective benchmark for occluded pedestrian detection" in Biomimetic Intelligence and Robotics https://doi.org/10.1016/j.birob.2023.100115