Automated Vehicle Driver Monitoring Dataset from Real-World Scenarios

要約

SAE レベル 3 以降の自動化では、ドライバーは旅行中に運転に直接関係のない活動に従事することが許可されます。
ただし、レベル 3 では、システムの機能の誤解により、ドライバーが二次的な作業に従事する可能性があり、困難な交通状況に対応する能力が損なわれる可能性があります。
ドライバーの行動を予測することで、危険な行動を早期に検出し、事故を防ぐことができます。
ドライバーのアクティビティを予測できるようにするには、深層学習ネットワークをデータセットでトレーニングする必要があります。
ただし、トレーニング用のシミュレーションに基づくデータセットの使用や、予測用の実世界データへの移行は最適ではないことが判明しています。
したがって、この論文では、IEEE データポートでオープンにアクセスできる現実世界のドライバー活動データセットを紹介します。このデータセットには、さまざまな照度や気象条件下での自動運転シナリオで発生するさまざまな活動が含まれています。
トレーニング プロセスの結果から、このデータセットがドライバーのアクティビティ認識モデルを実装するための優れたベンチマークとなることがわかりました。

要約(オリジナル)

From SAE Level 3 of automation onwards, drivers are allowed to engage in activities that are not directly related to driving during their travel. However, in level 3, a misunderstanding of the capabilities of the system might lead drivers to engage in secondary tasks, which could impair their ability to react to challenging traffic situations. Anticipating driver activity allows for early detection of risky behaviors, to prevent accidents. To be able to predict the driver activity, a Deep Learning network needs to be trained on a dataset. However, the use of datasets based on simulation for training and the migration to real-world data for prediction has proven to be suboptimal. Hence, this paper presents a real-world driver activity dataset, openly accessible on IEEE Dataport, which encompasses various activities that occur in autonomous driving scenarios under various illumination and weather conditions. Results from the training process showed that the dataset provides an excellent benchmark for implementing models for driver activity recognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google