An object detection approach for lane change and overtake detection from motion profiles

要約

艦隊管理とドライバーの監視のアプリケーションドメインでは、保存および分析された情報の量を最小限に抑えながら、Dashcamの映像から関連する運転イベントやアクティビティを取得することは非常に困難です。
この論文では、モーションプロファイルに適用された新しいオブジェクト検出アプローチで、追い越しおよび車線の変更操作の識別に対処します。これは、ビデオ映像を単一の画像に駆動するコンパクトな表現です。
モデルをトレーニングおよびテストするために、エゴベヒクルによって追い越しおよび車線変更操作で手動でラベル付けされた、Dashcamビデオの異種セットから得られたモーションプロファイル画像の内部データセットを作成しました。
標準的なオブジェクト検出アプローチに加えて、座標進化層を含めることにより、MAPとF1スコアの観点からモデルのパフォーマンスがさらに向上し、文献の他のベースラインと比較した場合、最先端のパフォーマンスが得られます。
提案されたソリューションの非常に低い計算要件により、デバイスでの実行に特に適しています。

要約(オリジナル)

In the application domain of fleet management and driver monitoring, it is very challenging to obtain relevant driving events and activities from dashcam footage while minimizing the amount of information stored and analyzed. In this paper, we address the identification of overtake and lane change maneuvers with a novel object detection approach applied to motion profiles, a compact representation of driving video footage into a single image. To train and test our model we created an internal dataset of motion profile images obtained from a heterogeneous set of dashcam videos, manually labeled with overtake and lane change maneuvers by the ego-vehicle. In addition to a standard object-detection approach, we show how the inclusion of CoordConvolution layers further improves the model performance, in terms of mAP and F1 score, yielding state-of-the art performance when compared to other baselines from the literature. The extremely low computational requirements of the proposed solution make it especially suitable to run in device.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google