論文の概要: Visual Saliency Detection in Advanced Driver Assistance Systems
- arxiv url: http://arxiv.org/abs/2308.03770v1
- Date: Wed, 26 Jul 2023 15:41:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 00:41:27.685818
- Title: Visual Saliency Detection in Advanced Driver Assistance Systems
- Title（参考訳）: 先進運転支援システムにおける視力検出
- Authors: Francesco Rundo, Michael Sebastian Rundo, Concetto Spampinato
- Abstract要約: 本稿では,ドライバの眠気検知システムと,サリエンシに基づく情景理解パイプラインを組み合わせたインテリジェントシステムを提案する。
我々は、運転者を監視するために、ハンドルに埋め込まれた革新的なバイオセンサーを使用している。
収集したPSG時系列を分類するために、専用の1D時間深部畳み込みネットワークが考案された。
- 参考スコア（独自算出の注目度）: 7.455416595124159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual Saliency refers to the innate human mechanism of focusing on and
extracting important features from the observed environment. Recently, there
has been a notable surge of interest in the field of automotive research
regarding the estimation of visual saliency. While operating a vehicle, drivers
naturally direct their attention towards specific objects, employing
brain-driven saliency mechanisms that prioritize certain elements over others.
In this investigation, we present an intelligent system that combines a
drowsiness detection system for drivers with a scene comprehension pipeline
based on saliency. To achieve this, we have implemented a specialized 3D deep
network for semantic segmentation, which has been pretrained and tailored for
processing the frames captured by an automotive-grade external camera. The
proposed pipeline was hosted on an embedded platform utilizing the STA1295
core, featuring ARM A7 dual-cores, and embeds an hardware accelerator.
Additionally, we employ an innovative biosensor embedded on the car steering
wheel to monitor the driver drowsiness, gathering the PhotoPlethysmoGraphy
(PPG) signal of the driver. A dedicated 1D temporal deep convolutional network
has been devised to classify the collected PPG time-series, enabling us to
assess the driver level of attentiveness. Ultimately, we compare the determined
attention level of the driver with the corresponding saliency-based scene
classification to evaluate the overall safety level. The efficacy of the
proposed pipeline has been validated through extensive experimental results.
- Abstract（参考訳）: ビジュアル・サリエンシ(Visual Saliency)とは、観察された環境から重要な特徴を集中して抽出する人間のメカニズムである。
近年,視覚障害者の視力評価に関する自動車研究の分野への関心が高まっている。
運転中、ドライバーは自然に特定の物体に注意を向け、他の要素よりも特定の要素を優先する脳駆動のサリエンシメカニズムを採用する。
本研究では,ドライバの眠気検出システムと,サリエンシーに基づくシーン理解パイプラインを組み合わせたインテリジェントシステムを提案する。
そこで本研究では,自動車グレードの外部カメラで捉えたフレームの処理を事前訓練し,調整した,セマンティックセグメンテーションのための3Dディープネットワークを実装した。
提案されたパイプラインは、ARM A7デュアルコアを備えたSTA1295コアを使用した組み込みプラットフォーム上にホストされ、ハードウェアアクセラレータが組み込まれている。
さらに,自動車ハンドルに埋め込まれた革新的なバイオセンサーを用いて運転者の眠気を監視し,運転者の光PlethysmoGraphy(PPG)信号を収集する。
収集したppg時系列を分類する専用の1次元時間深層畳み込みネットワークが考案され,ドライバの注意度を評価することができた。
最終的に、運転者の決定された注意レベルと対応する相性に基づくシーン分類を比較し、全体の安全レベルを評価する。
提案したパイプラインの有効性は広範な実験結果によって検証された。
関連論文リスト
- Classification of Safety Driver Attention During Autonomous Vehicle
Operation [11.33083039877258]
本稿では、車両オペレーターと車両認識システムに対向する赤外線カメラからのデータを統合したデュアルソースアプローチを提案する。
提案システムは,車両運転者の注意度基準を効果的に決定し,警告や自律機能低下などの介入を適切に行う。
論文 参考訳（メタデータ） (2023-10-17T22:04:42Z) - Car-Driver Drowsiness Assessment through 1D Temporal Convolutional
Networks [7.455416595124159]
近年,運転支援システムの科学的進歩は,運転の安全性を高める上で重要な役割を担っている。
最近の報告では、眠気や注意不足による事故の増加が確認されている。
この統合システムにより、運転者の眠気のほぼリアルタイムな分類が可能となり、精度は約96%となる。
論文 参考訳（メタデータ） (2023-07-27T10:59:12Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳（メタデータ） (2022-12-05T08:25:09Z) - 3D Object Detection for Autonomous Driving: A Comprehensive Survey [48.30753402458884]
自動運転車の近くで重要な3Dオブジェクトの位置、サイズ、カテゴリをインテリジェントに予測する3Dオブジェクト検出は、認識システムの重要な部分である。
本稿では,自律運転における3次元物体検出技術の進歩を概観する。
論文 参考訳（メタデータ） (2022-06-19T19:43:11Z) - Where and What: Driver Attention-based Object Detection [13.5947650184579]
画素レベルとオブジェクトレベルのアテンション予測のギャップを埋める。
本フレームワークは,画素レベルとオブジェクトレベルの両方において,最先端の競合性能を実現する。
論文 参考訳（メタデータ） (2022-04-26T08:38:22Z) - The Multimodal Driver Monitoring Database: A Naturalistic Corpus to
Study Driver Attention [44.94118128276982]
スマートな車両は、人間の運転者の行動や行動を監視して、必要な時に警告や介入を行う必要がある。
深層学習とコンピュータビジョンの最近の進歩は、人間の行動や活動を監視する上で大きな約束を示しています。
運転関連タスクの予測に高性能を提供するモデルのトレーニングには、ドメイン内の膨大なデータが必要である。
論文 参考訳（メタデータ） (2020-12-23T16:37:17Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Driver Drowsiness Classification Based on Eye Blink and Head Movement
Features Using the k-NN Algorithm [8.356765961526955]
この研究は、ドライバー監視カメラの信号を用いて、車両内の運転者の眠気検知を拡張することを目的としている。
この目的のために、運転シミュレータ実験において、運転者の点眼行動と頭部運動に関連する35の特徴を抽出する。
最高の特徴セットの分析は、運転者の瞬き行動と頭部の動きに対する眠気の影響についての貴重な洞察を与える。
論文 参考訳（メタデータ） (2020-09-28T12:37:38Z) - 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) - Driver Intention Anticipation Based on In-Cabin and Driving Scene
Monitoring [52.557003792696484]
本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。
本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
論文 参考訳（メタデータ） (2020-06-20T11:56:32Z)
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。