論文の概要: Predicting Pedestrian Crosswalk Behavior Using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2208.07250v1
• Date: Mon, 8 Aug 2022 22:48:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-28 22:23:39.416316
• Title: Predicting Pedestrian Crosswalk Behavior Using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークによる歩行者横断歩道の予測
• Authors: Eric Liang and Mark Stamp
• Abstract要約: 歩行者事故は年間交通事故の多さに大きく貢献している。 人々はしばしば横断歩道の光を消すことを忘れるか、そうすることができません。 本稿では歩行者を検知できるシステムを設計することで横断歩道システムの改善を検討する。
• 参考スコア（独自算出の注目度）: 7.227853810310584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A common yet potentially dangerous task is the act of crossing the street. Pedestrian accidents contribute a significant amount to the high number of annual traffic casualties, which is why it is crucial for pedestrians to use safety measures such as a crosswalk. However, people often forget to activate a crosswalk light or are unable to do so -- such as those who are visually impaired or have occupied hands. Other pedestrians are simply careless and find the crosswalk signals a hassle, which can result in an accident where a car hits them. In this paper, we consider an improvement to the crosswalk system by designing a system that can detect pedestrians and triggering the crosswalk signal automatically. We collect a dataset of images that we then use to train a convolutional neural network to distinguish between pedestrians (including bicycle riders) and various false alarms. The resulting system can capture and evaluate images in real time, and the result can be used to automatically activate systems a crosswalk light. After extensive testing of our system in real-world environments, we conclude that it is feasible as a back-up system that can compliment existing crosswalk buttons, and thereby improve the overall safety of crossing the street.
• Abstract（参考訳）: 一般的に危険な作業は、通りを横断する行為である。 歩行者の事故は、交通の死亡者数の増加に大きく寄与しているため、歩行者が横断歩道などの安全対策を使うのが不可欠である。 しかし、しばしば人々は横断歩道の光を消し去ることを忘れたり、そうすることができなくなったりします。 他の歩行者は単に不注意で横断歩道の合図を見つけ、車が衝突した事故につながる可能性がある。 本稿では,歩行者を検知し,横断歩道信号を自動的にトリガーするシステムを設計し,横断歩道システムの改善を検討する。 歩行者(自転車乗りを含む)とさまざまな誤報を区別するために、畳み込みニューラルネットワークのトレーニングに使用する画像のデータセットを収集します。 得られたシステムは画像のキャプチャと評価をリアルタイムで行うことができ、その結果を自動で横断歩道光を活性化することができる。 実環境におけるシステムの広範なテストの後、既存の横断歩道ボタンを補完し、道路横断の安全性を向上できるバックアップシステムとして実現可能であると結論付けている。

関連論文リスト

• Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings [3.373568134827475]
  非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。 歩行者の行動が、歩行者待ち時間、歩行速度、未使用ギャップの数、最大の欠落ギャップ、その他の歩行者の影響など、様々な要因にどのように影響するかを論じる。
  論文  参考訳（メタデータ） (2024-04-15T08:36:40Z)
• Pedestrian Environment Model for Automated Driving [54.16257759472116]
  歩行者の位置とポーズ情報を含む環境モデルを提案する。 画像から人間のポーズ推定器を用いて骨格情報を抽出する。 位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
  論文  参考訳（メタデータ） (2023-08-17T16:10:58Z)
• Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and Real-World Data Analysis [0.0]
  歩行者衝突防止の現在の方法は、視覚的歩行者検知器と自動緊急ブレーキシステムの統合に焦点を当てている。 本システムは,オンライン地図を用いた歩行者検出集計システムを用いて,そのような問題に対処する。 本研究では,歩行者が歩行者に近づいた場合に,歩行者ゾーンを学習し,助言通知を生成するシステムの能力を示す。
  論文  参考訳（メタデータ） (2023-05-08T07:03:26Z)
• APE: An Open and Shared Annotated Dataset for Learning Urban Pedestrian Path Networks [16.675093530600154]
  歩道やサイクウェイを含む完全な交通網を推定することは、多くの自動化システムにとって不可欠である。 この研究は、都市における歩道、横断歩道、角球の衛星画像、地図画像、アノテーションの新たなデータセットを導入することで、この問題に大規模に対処し始めている。 本稿では,道路ネットワーク情報と提案したデータセットを用いて,接続された歩行者経路網マップを推定するエンド・ツー・エンドのプロセスを提案する。
  論文  参考訳（メタデータ） (2023-03-04T05:08:36Z)
• CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for Safer Driver Assistance Systems [0.0]
  CHAMP (Crowdsourced, History-based Advisories of Mapped Pedestrians) は歩行者ゾーンを学習し、車両が歩行者に近づいているときに助言通知を生成する。 我々はカリフォルニア州ラ・ジョラで歩行者データを収集し、慎重にアノテートし、歩行者位置のトレーニングとテストセットを構築した。 この手法は、実験データセット上で最大100%の精度と75%のリコールを達成するように調整することができる。
  論文  参考訳（メタデータ） (2023-01-14T07:28:05Z)
• STCrowd: A Multimodal Dataset for Pedestrian Perception in Crowded Scenes [78.95447086305381]
  3D空間における歩行者の正確な検出と追跡は、回転、ポーズ、スケールの大きなバリエーションのために困難である。 既存のベンチマークは2Dアノテーションのみを提供するか、あるいは低密度の歩行者分布を持つ限定的な3Dアノテーションを持つ。 混み合ったシナリオにおける歩行者認識アルゴリズムをよりよく評価するために,大規模なマルチモーダルデータセットSTCrowdを導入する。
  論文  参考訳（メタデータ） (2022-04-03T08:26:07Z)
• DR.VIC: Decomposition and Reasoning for Video Individual Counting [93.12166351940242]
  我々は、新しい視点から歩行者計数を行う、ビデオ個別計数(VIC)を提案する。 本研究は,MOT(Multiple Object Tracking)技術に頼らず,全歩行者を第1フレームに存在する初期歩行者と第2フレームに別個の身元を持つ新歩行者に分解することで,その問題を解決することを提案する。 終端分解・推論ネットワーク (DRNet) は, 初期歩行者数を密度推定法で予測し, 新歩行者数を最適な移動量で推定するように設計されている。
  論文  参考訳（メタデータ） (2022-03-23T11:24:44Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• 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)
• End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
  我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。 次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。 大都市での横断歩道実験では96.6%の自動化が可能であった。
  論文  参考訳（メタデータ） (2020-12-21T18:59:08Z)
• Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
  グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-10-20T13:42:31Z)

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。