The Impact of Partial Occlusion on Pedestrian Detectability

要約

交通弱者を確実に検出することは、異種交通環境で自動運転車を導入するための安全上の重要な要件です。
最も複雑で未解決の課題の 1 つは、別の前景オブジェクトによる障害により、センサーがターゲット オブジェクトを部分的にしか利用できない部分オクルージョンの問題です。
多くの主要な歩行者検出ベンチマークでは部分オクルージョンに対する注釈が提供されていますが、オクルージョンの発生と重大度の定義は各ベンチマークによって大きく異なります。
最近の研究では、このような場合の咬合レベルの分類には高度な主観が使用されており、咬合は通常、部分的咬合や高度な咬合など、2 ～ 3 つの広いカテゴリーに分類されることが実証されています。
これにより、使用されるベンチマークによっては、歩行者検出モデルのパフォーマンスが不正確または一貫性のないレポートにつながる可能性があります。
この研究では、歩行者検出モデルの客観的な特徴付けを容易にするために、部分的に遮られた歩行者検出のための新しい客観的なベンチマークを導入します。
提案された特徴付け方法の有効性と分析能力の向上を実証するために、0 ～ 99% の範囲のオクルージョン レベルに対して 7 つの一般的な歩行者検出モデルに対して特徴付けが実行されます。
結果は、歩行者オクルージョン レベルが増加すると、歩行者検出パフォーマンスが低下し、偽陰性検出の数が増加することを示しています。
特徴付けられた 7 つの一般的な歩行者検出ルーチンの中で、CenterNet が全体的なパフォーマンスで最も優れており、次に SSDlite が続きます。
RetinaNet は、オクルージョン レベルの範囲全体にわたって全体的な検出パフォーマンスが最も低くなります。

要約(オリジナル)

Robust detection of vulnerable road users is a safety critical requirement for the deployment of autonomous vehicles in heterogeneous traffic. One of the most complex outstanding challenges is that of partial occlusion where a target object is only partially available to the sensor due to obstruction by another foreground object. A number of leading pedestrian detection benchmarks provide annotation for partial occlusion, however each benchmark varies greatly in their definition of the occurrence and severity of occlusion. Recent research demonstrates that a high degree of subjectivity is used to classify occlusion level in these cases and occlusion is typically categorized into 2 to 3 broad categories such as partially and heavily occluded. This can lead to inaccurate or inconsistent reporting of pedestrian detection model performance depending on which benchmark is used. This research introduces a novel, objective benchmark for partially occluded pedestrian detection to facilitate the objective characterization of pedestrian detection models. Characterization is carried out on seven popular pedestrian detection models for a range of occlusion levels from 0-99%, in order to demonstrate the efficacy and increased analysis capabilities of the proposed characterization method. Results demonstrate that pedestrian detection performance degrades, and the number of false negative detections increase as pedestrian occlusion level increases. Of the seven popular pedestrian detection routines characterized, CenterNet has the greatest overall performance, followed by SSDlite. RetinaNet has the lowest overall detection performance across the range of occlusion levels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google