論文の概要: OpenDriver: an open-road driver state detection dataset
- arxiv url: http://arxiv.org/abs/2304.04203v1
- Date: Sun, 9 Apr 2023 10:08:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 16:59:52.204717
- Title: OpenDriver: an open-road driver state detection dataset
- Title（参考訳）: OpenDriver: オープンロードドライバの状態検出データセット
- Authors: Delong Liu, Shichao Li
- Abstract要約: 道路安全はドライバーの心理的および生理的状態に大きく依存する。
ウェアラブル生理測定は、ドライバーの状態を監視するためのリアルタイムアプローチである。
本稿では,ドライバ障害検出と生体データ認識のための大規模マルチモーダル駆動データセットを提案する。
- 参考スコア（独自算出の注目度）: 5.000272778136267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In modern society, road safety relies heavily on the psychological and
physiological state of drivers. Negative factors such as fatigue, drowsiness,
and stress can impair drivers' reaction time and decision making abilities,
leading to an increased incidence of traffic accidents. Among the numerous
studies for impaired driving detection, wearable physiological measurement is a
real-time approach to monitoring a driver's state. However, currently, there
are few driver physiological datasets in open road scenarios and the existing
datasets suffer from issues such as poor signal quality, small sample sizes,
and short data collection periods. Therefore, in this paper, a large-scale
multimodal driving dataset for driver impairment detection and biometric data
recognition is designed and described. The dataset contains two modalities of
driving signals: six-axis inertial signals and electrocardiogram (ECG) signals,
which were recorded while over one hundred drivers were following the same
route through open roads during several months. Both the ECG signal sensor and
the six-axis inertial signal sensor are installed on a specially designed
steering wheel cover, allowing for data collection without disturbing the
driver. Additionally, electrodermal activity (EDA) signals were also recorded
during the driving process and will be integrated into the presented dataset
soon. Future work can build upon this dataset to advance the field of driver
impairment detection. New methods can be explored for integrating other types
of biometric signals, such as eye tracking, to further enhance the
understanding of driver states. The insights gained from this dataset can also
inform the development of new driver assistance systems, promoting safer
driving practices and reducing the risk of traffic accidents. The OpenDriver
dataset will be publicly available soon.
- Abstract（参考訳）: 現代の社会では、道路安全はドライバーの心理的および生理的状態に大きく依存している。
疲労、眠気、ストレスなどのネガティブな要因は、ドライバーの反応時間や意思決定能力を阻害し、交通事故の発生率を増加させる。
障害運転検出のための多くの研究の中で、ウェアラブルの生理的計測はドライバーの状態を監視するためのリアルタイムアプローチである。
しかし、現在、オープンロードシナリオにはドライバ生理学的データセットがほとんど存在せず、既存のデータセットは、信号品質の低下、サンプルサイズの縮小、データ収集期間の短縮といった問題に苦しんでいる。
そこで本稿では,ドライバ障害検出と生体データ認識のための大規模マルチモーダル運転データセットの設計と記述を行う。
このデータセットには、6軸慣性信号と心電図(ECG)信号の2つのモードが含まれており、数百人以上のドライバーが数ヶ月の間に同じ経路を辿っている間に記録された。
ECG信号センサと6軸慣性信号センサの両方を特別に設計された操舵ホイールカバーに装着し、ドライバを邪魔することなくデータ収集を可能にする。
さらに、駆動プロセス中に電磁気活動(EDA)信号も記録され、すぐに提示されたデータセットに統合される。
将来の作業は、このデータセットに基づいて、ドライバ障害検出の分野を前進させることができる。
ドライバー状態の理解をさらに深めるために、視線追跡などの他のバイオメトリック信号を統合する新しい方法を検討することができる。
このデータセットから得られた洞察は、新しい運転支援システムの開発、安全な運転慣行の促進、交通事故のリスク低減にも役立ちます。
opendriverデータセットは近く公開される予定だ。
関連論文リスト
- G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - 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) - Unsupervised Driving Behavior Analysis using Representation Learning and
Exploiting Group-based Training [15.355045011160804]
運転行動監視は、道路安全の管理と交通事故のリスク低減に重要な役割を果たしている。
現在の研究は、駆動パターンの変動を捉えて、堅牢な駆動パターン解析を行う。
時系列の圧縮表現を学習することで一貫した群を形成する。
論文 参考訳（メタデータ） (2022-05-12T10:27:47Z) - Driving Anomaly Detection Using Conditional Generative Adversarial
Network [26.45460503638333]
本研究では,条件付き生成逆数ネットワーク(GAN)を用いた運転異常の定量化手法を提案する。
この手法は、事前に観測された信号にモデルを条件付けすることで、今後の運転シナリオを予測する。
結果は知覚的評価によって検証され、アノテータは高い異常スコアで検出されたビデオのリスクと親しみやすさを評価するよう依頼される。
論文 参考訳（メタデータ） (2022-03-15T22:10:01Z) - Deep Learning Approach for Aggressive Driving Behaviour Detection [1.933681537640272]
この研究は、異なる状況(ラッシュ、精神的衝突、報復)のドライバーが攻撃的に運転し始めるときのタイムステップを特定する。
積極的運転の機会を発見するためには、運転行動を調べるために観察者(現実または仮想)が必要である。
スマートフォンのGPSセンサーを使って位置を検出し,運転者の運転行動を3分毎に分類することで,この問題を克服する。
論文 参考訳（メタデータ） (2021-11-08T20:06:16Z) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳（メタデータ） (2021-06-21T12:28:08Z) - Driver2vec: Driver Identification from Automotive Data [44.84876493736275]
Driver2vecは、センサーデータの短い10秒間隔からドライバを正確に識別することができる。
Driver2vecは、Nervtechが提供する51人のドライバーのデータセットでトレーニングされている。
論文 参考訳（メタデータ） (2021-02-10T03:09:13Z) - DMD: A Large-Scale Multi-Modal Driver Monitoring Dataset for Attention
and Alertness Analysis [54.198237164152786]
視覚は運転監視システム(DMS)の最も豊かで費用対効果の高い技術である
十分に大規模で包括的なデータセットの欠如は、DMS開発の進展のボトルネックとなっている。
本稿では,実運転シナリオとシミュレーション運転シナリオを含む広範囲なデータセットであるドライバモニタリングデータセット(DMD)を紹介する。
論文 参考訳（メタデータ） (2020-08-27T12:33:54Z) - A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State
Analysis [164.93739293097605]
EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。
本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。
現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに有望である、と結論付けている。
論文 参考訳（メタデータ） (2020-08-25T18:21:35Z)
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。