Automated Vehicle Driver Monitoring Dataset from Real-World Scenarios

要約

自動化のSAEレベル3から、ドライバーは、旅行中に運転に直接関係していない活動に従事することができます。
ただし、レベル3では、システムの機能を誤解すると、ドライバーが二次タスクに従事するようになり、挑戦的な交通状況に反応する能力を損なう可能性があります。
ドライバーのアクティビティを予測することで、事故を防ぐために、危険な行動を早期に検出できます。
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、ディープラーニング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、トレーニングのシミュレーションに基づくデータセットの使用と予測のための実際のデータへの移行は、最適ではないことが証明されています。
したがって、このペーパーでは、さまざまな照明や気象条件の下で自律運転シナリオで発生するさまざまなアクティビティを含むIEEEデータポートで公然とアクセスできる現実世界のドライバーアクティビティデータセットを紹介します。
トレーニングプロセスの結果は、データセットがドライバーのアクティビティ認識のためのモデルを実装するための優れたベンチマークを提供することを示しました。

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