日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號(hào)

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

西安交通大學(xué)和長安大學(xué)聯(lián)合發(fā)布 最大規(guī)模的事故情況下駕駛員注意力預(yù)測數(shù)據(jù)集

2020-02-17 00:13:42·  來源：智車科技  作者：房建武  
　
DADA數(shù)據(jù)集包含2000個(gè)視頻序列，包含658,746幀，每一視頻幀均提供了不少于5人觀測的注意力數(shù)據(jù)。據(jù)調(diào)研，DADA是目前最大規(guī)模的駕駛注意預(yù)測數(shù)據(jù)集。經(jīng)過參與者種
 
DADA數(shù)據(jù)集包含2000個(gè)視頻序列，包含658,746幀，每一視頻幀均提供了不少于5人觀測的注意力數(shù)據(jù)。據(jù)調(diào)研，DADA是目前最大規(guī)模的駕駛注意預(yù)測數(shù)據(jù)集。經(jīng)過參與者種類之間的關(guān)系，標(biāo)注了54種突發(fā)事故場景類型（類型種類拓?fù)鋱D如圖1所示）。同時(shí)對于事故區(qū)間、事故目標(biāo)進(jìn)行了細(xì)致的標(biāo)注。包含白天、夜間時(shí)段；各種天氣條件（晴天、雨天、雪天）；高速、城區(qū)、鄉(xiāng)村、隧道等各種場景類型。
圖1.根據(jù)參與者類型，劃分的事故類型種類拓?fù)鋱D
（1）數(shù)據(jù)屬性統(tǒng)計(jì)
A.根據(jù)光照、天氣、場景類型區(qū)分，數(shù)據(jù)分布如下表所示。
B. 根據(jù)事故時(shí)間區(qū)間將每個(gè)視頻序列分成事故前、事故區(qū)間（Accident Window，簡稱AW）、事故后三個(gè)區(qū)間。事故區(qū)間分布特性如下表所示。需要注意的是，數(shù)據(jù)集中的序列長度沒有認(rèn)為設(shè)定固定長度，這種策略更加自然一些，避免了人為的經(jīng)驗(yàn)參與。由下表可見，數(shù)據(jù)序列平均長度為10s左右，其中事故前保持在平均5s長度。事故區(qū)間占比較小，僅占到約1/5的長度。
（2）數(shù)據(jù)格式
數(shù)據(jù)采集通過SMI250眼動(dòng)儀收集，每個(gè)序列被至少5名具有駕駛經(jīng)驗(yàn)的觀測者觀測兩次。每個(gè)數(shù)據(jù)序列幀率為30fps。通過觀察發(fā)現(xiàn)，觀測者對于突發(fā)的事故物體為出現(xiàn)長時(shí)間的聚焦效應(yīng)。與以往視覺注意采集不同之處在于，DADA中的駕駛注意保存了觀測者的注意時(shí)長屬性。
圖2. 典型事故類型的駕駛注意數(shù)據(jù)展示
（3）與其他相關(guān)數(shù)據(jù)集的比較
A．與事故檢測數(shù)據(jù)集的屬性比較
B．與駕駛注意數(shù)據(jù)集的屬性比較
通過與相關(guān)的數(shù)據(jù)集屬性比較，DADA數(shù)據(jù)集目前規(guī)模最大，多樣性最豐富。
（4）數(shù)據(jù)利用
A．結(jié)合DADA數(shù)據(jù)集，項(xiàng)目主要貢獻(xiàn)者進(jìn)行了“駕駛注意可以可以幫助事故預(yù)測？（Can Driving Accident be Predicted by Driver Attention? Analyzedby A Benchmark）”這一問題的探討。更多信息可以參見發(fā)表于ITSC2019的論文，論文網(wǎng)址https://arxiv.org/abs/1904.12634
 
B．設(shè)計(jì)了一種新穎的語義引導(dǎo)的雙通道自注意融合的駕駛注意預(yù)測模型（MSAFNet）。通過對比，取得最好的預(yù)測性能。目前DADA數(shù)據(jù)集已經(jīng)公開，并可在github項(xiàng)目站點(diǎn):https://github.com/JWFangit/LOTVS-DADA下載。添加模型的論文網(wǎng)址為https://arxiv.org/abs/1912.12148v1
 
駕駛注意預(yù)測可以通過計(jì)算機(jī)模擬人類駕駛員駕駛過程中的視覺注意機(jī)制，可以幫助計(jì)算機(jī)快速定位到可能造成交通事故的目標(biāo)物體，避免由于注意缺失造成的突發(fā)事件。同時(shí)駕駛注意又包含與周圍環(huán)境的交互，可以用于重要交通參與者的定位（important object detection）、駕駛場景新穎性檢測（novelty detection）、人眼中央窩視覺（periphery-fovea vision）啟發(fā)的駕駛模型設(shè)計(jì)、輔助搜尋安全駕駛路徑（routine searching）等。
 
參考論文列表：
[1].J. Fang, D. Yan, J. Qiao, J. Xue, H. Wang, and S. Li,“DADA-2000: can driving accident be predicted by driver attention? Analyzed by A benchmark,” in IEEE Intelligent Transportation Systems Conference (ITSC),2019, pp. 4303–4309.
[2]. J. Fang, D. Yan, J. Qiao, J.Xue, “DADA: A Large-scale Benchmark and Model for Driver Attention Prediction in Accidental Scenarios,” CoRR abs/1912.12148, 2019.
 
 
分享到：
 
反對 0 舉報(bào) 0 收藏 0 評論 0
滬ICP備11026917號(hào)-25