WatchPed：基于智能手表嵌入式传感器的行人过街意图预测
计算机视觉与模式识别
2023-03-17 v3 计算机与社会
摘要
行人过街意图预测问题旨在估计目标行人是否会横穿街道。当前最先进的技术严重依赖通过自车前置摄像头获取的视觉数据来预测行人的过街意图。因此，在视觉输入不精确的情况下（例如行人与自车距离较远或光照不足时），现有方法的效率往往会显著下降。为解决该局限，本文提出、实现并评估了首个基于行人智能手表（或智能手机）所采集运动传感器数据融合的行人过街意图预测模型。我们提出了一种创新的机器学习框架，有效将运动传感器数据与视觉输入相融合，尤其在视觉数据不可靠的场景下显著提升预测精度。此外，我们开展了广泛的数据采集过程，并引入了首个包含同步运动传感器数据的行人意图预测数据集。该数据集包含255段涵盖不同距离与光照条件的视频片段。我们使用广泛使用的JAAD数据集及我们自建的数据集训练模型，并与最先进模型进行性能比较。结果表明，我们的模型优于当前最先进方法，尤其在行人与观察者距离较远（超过70米）且光照不足的情况下。
引用
@article{arxiv.2208.07441,
title = {WatchPed: Pedestrian Crossing Intention Prediction Using Embedded Sensors of Smartwatch},
author = {Jibran Ali Abbasi and Navid Mohammad Imran and Lokesh Chandra Das and Myounggyu Won},
journal= {arXiv preprint arXiv:2208.07441},
year = {2023}
}