第一视角视频中无监督交通事故检测
计算机视觉与模式识别
2019-07-29 v4
摘要
在自然驾驶场景中识别交通违规和事故等异常事件,对于成功的自动驾驶和高级驾驶辅助系统至关重要。然而,大多数视频异常检测工作存在两个关键缺陷。首先,它们假设摄像头固定且视频具有静态背景,这对于监控应用是合理的,但对于车载摄像头则不然。其次,它们将问题视为单类分类,依赖于费力手工标注的训练数据集,使得识别仅限于已显式训练过的异常类别。本文提出一种用于第一视角(仪表盘挂载摄像头)视频中交通事故检测的无监督方法。我们的主要创新点是通过预测交通参与者的未来位置,然后以三种不同策略监测预测精度与一致性度量来检测异常。我们使用一个新的多样化交通事故数据集AnAn Accident Detection (A3D)以及另一个公开可用数据集评估我们的方法。实验结果表明,我们的方法优于当前最优方法(state-of-the-art)。
引用
@article{arxiv.1903.00618,
title = {Unsupervised Traffic Accident Detection in First-Person Videos},
author = {Yu Yao and Mingze Xu and Yuchen Wang and David J. Crandall and Ella M. Atkins},
journal= {arXiv preprint arXiv:1903.00618},
year = {2019}
}
备注
Accepted to IROS 2019