Intention Recognition of Pedestrians and Cyclists by 2D Pose Estimation
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS,2020
task
行人和骑自行车者过马路的意图理解
阅读记录
我们可以看到两个行人,一个显然停在路边,另一个正朝同一个路边走去。看看这些行人的(黄色)边框(BBs)的位置,我们会说他们此刻不在车辆的路径上。然而,我们想知道接下来会发生什么:停止的行人会突然过马路吗?行人是否会不停车地过马路?在肯定的情况下,车辆可以开始减速,以更安全的操作,增加乘客的舒适度和行人的信心(特别是对于自动驾驶车辆)。
认识到骑车人的运动意图也是高度相关的,因为很多时候,自我车辆将需要超过他们。虽然我们不能假设行人会明确表明他们的意图,但对于骑自行车的人,我们可以利用交通规则。特别是,骑自行车的人必须用手臂信号指示未来的左/右转弯和停止动作(见图2)。
我们需要检测行人,跟踪行人,为每个行人调整骨骼(图3),并应用基于骨骼特征的C/NC分类器。自行车手信号分类遵循类似步骤。
在图7中,有一个“C”被认为是错误(红色)。事实上,行人是在过马路,而不是与这辆自动驾驶的车相交的人。所以在评估中它应该被认为是正确的。相反,在图7中,系统将行人分类为“NC”,该行人并没有过马路,而是在汽车前方沿马路行走。现在这种情况被认为是正确的,但也可能被认为是错误的。另一方面,在这种情况下,我们可以使用基于位置的推理来知道行人处于危险的位置,这不再是一个预测行动的问题(如C/NC情况)。值得一提的是,我们已经观察到平行行走的汽车运动方向,往往被适当分类为NC;但是,要提供合理的定量分析,还需要更多的注释。
图14显示了一些对CASR和T=14的预测错误的孤立帧。前两种情况,因为检测BBs把手臂放在外面,影响了骨骼的装配。这可以通过系统地增加BB尺寸来解决,在测试时,BB尺寸被骨骼拟合程序视为感兴趣的区域。第三种情况,系统将未来的左转与停止指示混淆,然而,这种情况只发生在开始动作时,因为骑车人并不清楚会指示什么。接下来的几帧很清楚,这样系统就能预测出正确的机动。第四种情况,系统识别出骑车人正在指示一个动作,然而,停车标志与左转混淆了,这是因为骑车人手臂的位置相对比较直。关注手。最后一个例子,我们在这个特定的框架中看不到任何动作,而系统却指示了一个右转。事实上,在前几帧中,骑自行车的人实际上是在示意右转,开始结束标注的比较模糊。
图15显示了T=14时YouTube视频的错误情况。一种情况是由于骑自行车的手臂指示出BB的动作,两种情况是由于不利的条件(背包在后面,狭窄的BBs和低对比度的手臂背景)导致骨架不合适,还有两种情况是动作刚刚开始,还不够清楚(最后一种情况是图13左例中正确分类的左转动作开始)。
说明
以上内容均为作者本人平时阅读并且汇报使用,内容整理全凭个人理解,如有侵权,请联系我;内容如有错误,欢迎留言交流。转载请注明出处,并附有原文链接,谢谢!
此外,我还喜欢用ipad对论文写写画画(个人英文阅读的水平有限),做一些断句、重点勾画等,有兴趣大家可以按需下载:链接
更多论文分享,请参考: 深度学习相关阅读论文汇总(持续更新)