基于事件相机与深度卷积神经网络的交通标志检测
计算机视觉与模式识别
2022-11-28 v1 图像与视频处理
摘要
近年来，事件相机（DVS——动态视觉传感器）已作为传统相机的替代或补充用于视觉系统。其特点包括高动态范围、高时间分辨率、低延迟以及在受限光照条件下的可靠性能——这些参数在高级驾驶辅助系统（ADAS）与自动驾驶汽车中尤为重要。本工作中，我们测试这些较新颖的传感器能否应用于广受关注的交通标志检测任务。为此，我们分析事件数据的不同表示：事件帧、事件频率与指数衰减时间表面，并应用名为 FireNet 的深度神经网络进行视频帧重建。我们使用深度卷积神经网络 YOLOv4 作为检测器。对于特定表示，我们获得的检测精度在 86.9–88.9% [email protected] 范围内。所考虑表示的融合使用使我们获得了精度更高（89.9% [email protected]）的检测器。相比之下，基于 FireNet 重建帧的检测器精度为 72.67% [email protected]。所得结果说明了事件相机在汽车应用中的潜力，既可作为独立传感器，也可与典型基于帧的相机紧密协作。
引用
@article{arxiv.2207.13345,
title = {Traffic Sign Detection With Event Cameras and DCNN},
author = {Piotr Wzorek and Tomasz Kryjak},
journal= {arXiv preprint arXiv:2207.13345},
year = {2022}
}
备注
Accepted for the SPA 2022 conference, Poznan, Poland