論文の概要: Vision based Pedestrian Potential Risk Analysis based on Automated
Behavior Feature Extraction for Smart and Safe City
- arxiv url: http://arxiv.org/abs/2105.02582v1
- Date: Thu, 6 May 2021 11:03:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-07 13:22:52.264521
- Title: Vision based Pedestrian Potential Risk Analysis based on Automated
Behavior Feature Extraction for Smart and Safe City
- Title（参考訳）: スマートシティとセーフシティの自動行動特徴抽出に基づく視覚に基づく歩行者リスク分析
- Authors: Byeongjoon Noh, Dongho Ka, David Lee, and Hwasoo Yeo
- Abstract要約: このような交差点に設置した道路セキュリティカメラで収集した映像を用いて,歩行者の潜在的な危険度に関する包括的分析モデルを提案する。
提案システムは、車や歩行者を自動的に検知し、フレームによって軌跡を計算し、これらの物体間の潜在的危険シーンの可能性を左右する行動特徴を抽出する。
韓国大山市の横断歩道で適用し,実現可能性と適用性を評価した。
- 参考スコア（独自算出の注目度）: 5.759189800028578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite recent advances in vehicle safety technologies, road traffic
accidents still pose a severe threat to human lives and have become a leading
cause of premature deaths. In particular, crosswalks present a major threat to
pedestrians, but we lack dense behavioral data to investigate the risks they
face. Therefore, we propose a comprehensive analytical model for pedestrian
potential risk using video footage gathered by road security cameras deployed
at such crossings. The proposed system automatically detects vehicles and
pedestrians, calculates trajectories by frames, and extracts behavioral
features affecting the likelihood of potentially dangerous scenes between these
objects. Finally, we design a data cube model by using the large amount of the
extracted features accumulated in a data warehouse to perform multidimensional
analysis for potential risk scenes with levels of abstraction, but this is
beyond the scope of this paper, and will be detailed in a future study. In our
experiment, we focused on extracting the various behavioral features from
multiple crosswalks, and visualizing and interpreting their behaviors and
relationships among them by camera location to show how they may or may not
contribute to potential risk. We validated feasibility and applicability by
applying it in multiple crosswalks in Osan city, Korea.
- Abstract（参考訳）: 近年の車両安全技術の発展にもかかわらず、道路交通事故はいまだに人命に深刻な脅威を与えており、早死にの主な原因となっている。
特に横断歩道は歩行者にとって大きな脅威となるが、彼らが直面するリスクを調査するためには、密度の高い行動データが欠如している。
そこで本稿では,道路セキュリティカメラで収集した映像を用いて,歩行者の潜在的なリスクに関する包括的分析モデルを提案する。
提案システムは、車や歩行者を自動的に検知し、フレームによって軌跡を計算し、これらの物体間の潜在的危険シーンの可能性を左右する行動特徴を抽出する。
最後に,データウェアハウスに蓄積された大量の特徴を用いて,抽象化レベルでのリスクシーンの多次元解析を行うことで,データキューブモデルを設計する。
実験では,複数の横断歩道から様々な行動特徴を抽出し,それらの行動や関係をカメラで可視化し,解釈し,それらが潜在的なリスクにどのように寄与するかを示した。
韓国大山市の横断歩道で適用し,実現可能性と適用性を評価した。
関連論文リスト
- Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳（メタデータ） (2024-11-04T09:21:00Z) - Exploring the Potential of Multi-Modal AI for Driving Hazard Prediction [18.285227911703977]
本稿では,車載ダッシュカムが捉えた単一入力画像を用いて,差し迫った事故を予測するためのタスクとして定式化する。
この問題は、不確実な観測に基づいて将来の出来事を予測し、推論する必要がある。
この調査対象領域の研究を可能にするために、DHPRデータセットと呼ばれる新しいデータセットが作成される。
論文 参考訳（メタデータ） (2023-10-07T03:16:30Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Intersection Warning System for Occlusion Risks using Relational Local
Dynamic Maps [0.0]
本研究は,センサカバレッジの制限による可観測性に制限のある交通シナリオにおけるリスク評価の課題に対処する。
視界の特定には、幾何学的情報と道路インフラを提供する局所的ダイナミックマップにレイキャスティングを用いる。
結果として生じるリスク指標は、ドライバーの現在の行動を評価し、重大な状況でドライバーに警告し、安全に行動する方法や安全な軌道を計画する方法を提案するために使用される。
論文 参考訳（メタデータ） (2023-03-13T16:01:55Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳（メタデータ） (2021-07-26T23:00:56Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳（メタデータ） (2021-07-08T01:11:31Z) - A system of vision sensor based deep neural networks for complex driving
scene analysis in support of crash risk assessment and prevention [12.881094474374231]
本稿では,車載ダッシュカメラとディープラーニングアルゴリズムを用いたシーン解析システムを開発した。
このシステムのマルチネットには、2つのマルチタスクニューラルネットワークが含まれており、シーンごとに4つのラベルを提供するシーン分類を実行する。
2つの全く新しいデータセットが開発され、一般に公開され、提案されたディープニューラルネットワークのトレーニングに有効であることが証明された。
論文 参考訳（メタデータ） (2021-06-18T19:07:59Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。